为什么自私的人在单次博弈中一定会背叛
起点是囚徒困境的基本结构。两个人同时选择合作或背叛，收益矩阵是这样的：双方合作各得 3 分，双方背叛各得 1 分，一方合作一方背叛则背叛者得 5 分、合作者得 0 分。
关键推理在这里：不管对方选什么，你选背叛都比选合作多拿分。
想象你是其中一个玩家。如果对方合作，你合作得 3 分、背叛得 5 分——背叛更好。如果对方背叛，你合作得 0 分、背叛得 1 分——背叛还是更好。不管对方怎么选，你的最优反应都是背叛。对方也是同样的推理。
于是两个理性自利的人都选择背叛，各得 1 分。但如果他们都选合作，本可以各得 3 分。这就是囚徒困境的悖论：个体理性导致了集体非理性——每个人都在做对自己最好的选择，结果却比合作差得多。
日常场景里这个结构非常常见。比如两个同事都可以选择分享信息或独占信息。独占短期更有利（你有信息优势），但双方都独占，团队整体产出就低于双方都分享的情况。
到这里的结论是：在单次博弈中，背叛是唯一的纳什均衡。这个结论看起来悲观。
重复把背叛的收益计算翻转了
阿克塞尔罗德的核心推理动作发生在从单次博弈到重复博弈的跨越上。
当同样的两个人要反复对弈、且不知道具体哪一轮是最后一轮时，收益计算发生了根本变化。背叛在这一轮多拿了 2 分（5 分 vs 3 分），但会触发对方在下一轮的报复——下一轮你们可能从双方合作（3:3）变成互相背叛（1:1），损失 2 分。如果再下一轮、再下下一轮还会继续互动，这个损失会持续累积。
用折现参数 w 表示下一轮博弈发生的概率。当 w 足够大——未来的影子足够长——本轮背叛的短期收益就会被未来多轮的合作损失压过去。合作变成了理性选择，不是因为合作"是对的"，而是因为合作的长期回报更高。
这步推理回答了"为什么堑壕里的敌对士兵会合作"：他们日复一日面对同一批敌人，w 极高。背叛（突然开枪杀人）的短期收益远不如长期合作（双方都活着）的回报。
但光知道"合作可能是理性的"还不够。可能的策略有无穷多个——什么样的策略能在实际竞争中生存？
锦标赛数据逆向揭示了什么样的策略能活下来
阿克塞尔罗德用锦标赛来回答上面的问题。让各领域专家提交策略程序，在 IPD 环境中互相对抗。
推理的关键步骤是锦标赛之后的逆向分析。阿克塞尔罗德不是先设定"好策略应该具备什么性质"然后验证，而是先让竞争筛选出胜出者，再从胜出者中逆向提取共同特征。
提取结果是四个性质：善良、可激怒、宽容、清晰。这四个性质的内部逻辑链值得细看。
善良（不主动背叛）确保了和其他善良策略的互动都能进入合作循环，拿到稳定的高分。可激怒（对背叛立刻回击）防止被恶意策略反复利用。宽容（回击后恢复合作）避免陷入永久报复循环，保住了合作恢复的可能性。清晰（行为可预测）让对方能理解你的模式并据此调整——如果对方读不懂你，即使你是善良的，合作也难以建立。
四个性质之间存在张力。可激怒和宽容看起来矛盾——要能打回去，又要能放下。一报还一报的精妙在于它用最简单的规则平衡了这组张力：只回击一次，然后立刻跟着对方的下一步走。
进化稳定性分析进一步证明：当一报还一报策略在群体中占多数时，少数背叛者无法入侵——因为它们和善良策略交手时得分更低。反过来，一报还一报以小集群形式出现在全是背叛者的群体中时，集群内部的合作得分足以让它们扩散。合作不只是能赢得锦标赛，还能在进化竞争中存活和扩散。
从背叛的必然性出发，经过重复博弈的收益翻转、锦标赛的策略筛选和进化稳定性的长期检验，最终到达的结论是：合作可以在纯粹自私的行为者之间自发涌现——不需要善意、信任或中央权威，只需要博弈是重复的、行为是可观察的、回报是对称的。
一战堑壕精确验证了这条链条的每一环：重复互动存在时合作涌现，重复互动被打断时合作消失，消失的方式和理论预测完全一致。