学习模型

• 核心思想：个体通过强化学习（凭自身经验）或社会学习（复制他人）调整行为。在博弈中，两种学习可能收敛到不同均衡。
• 书里怎么解释的：强化学习根据奖励是否超过“渴望水平”来调整权重，最终收敛到最优行动。复制者动态（社会学习）让高收益策略在人群中比例增加。在博弈中，强化学习倾向于绝对收益，社会学习倾向于相对收益。
• 书里的例子：
  1. 油老虎车博弈：两个均衡（都开经济型车效率高，都开油老虎低效）。强化学习和社会学习都收敛到“油老虎车”（低效），因为当两种行动初始均等时，开油老虎平均收益2 > 开经济型平均收益1.5，所以风险主导均衡胜出。
  2. 慷慨/妒忌博弈：慷慨行动是占优策略（绝对收益高），但妒忌行动让相对收益更高。强化学习让人学会慷慨（因为尝到甜头），复制者动态让人学会妒忌（因为复制相对收益更高的行为）。所以“向他人学习”不一定比“自己摸索”更好。
  3. 文化压倒战略：CEO推行新战略，如果一开始支持者比例低于20%，文化（现状）就会压过激励。但强大的激励机制可以突破这个阈值。两个对立谚语“文化压倒战略”和“人对激励反应”都只在特定条件下成立。

启示：

1. 自己摸索（强化）能学会“绝对的好”，但向人看齐（社会）容易变“刻薄”。书中慷慨/妒忌博弈：自己试，学会了慷慨（绝对收益高）；看别人，学会了妒忌（相对收益高）。普通人想培养好习惯，不要跟风别人卷，要自己记录每天的真实感受（写日记），找到对自己最有益的节奏。
2. 文化常常压过战略，除非激励极大。书中说，如果支持新方案的人少于20%，新战略会失败。你在单位想推行任何改革，即使道理全对，如果没拉拢到超过20%的“早期接受者”，大概率会被老文化吞噬。先搞定20%的人，再谈改变。
3. 渴望水平不要设太高。强化学习中，渴望水平如果高于所有选项的奖励，权重会归零。普通人育儿或自我要求，不要把目标设得遥不可及（比如年入百万），否则你做什么都觉得没回报，会彻底失去动力。把渴望调低到略高于现状，每一步都有反馈，才能持续进步。