RPS 心理学

博弈论：数学基础

在博弈论中，石头剪刀布被归类为有限的、二人的、同时行动的零和博弈。约翰·纳什证明了这类博弈总是至少存在一个均衡策略。对 RPS 来说，那就是每种出手都以正好 ⅓ 的概率出。

这个纳什均衡是不可被利用的：无论对手做什么，你的长期期望结果都恰好是平局。但它同时也是无法去利用别人的。随机出手不会让你获得优势，只能让你不输。竞技 RPS 的整个战略空间，就存在于数学上的完美与人类实际行为之间的那道缝隙里。而那道缝隙非常大。

人类为什么无法真正随机

几十年的认知科学证实了一件有点难堪的事：人类无法生成随机序列。当被要求给出一串“随机”的 RPS 出手时，人们总是会：

• 回避重复——人们换手的频率高于真正随机应有的频率，因为重复“看起来不随机”。其实并不是。你的大脑在骗你。
• 过度使用轮换——石-布-剪-石-布-剪感觉很随机，其实是一个完全可预测的循环。你只是在背这个游戏的名字。
• 让短序列“扯平”——连出两次石头之后，人会觉得必须换点别的来“平衡一下”。但每一轮都是独立的，宇宙并不记账。

这就是赌徒谬误在手势游戏中的版本：错误地相信过去的事件会影响未来的独立事件。在赌场，它让你输钱；在 RPS，它让你输比赛。

RPS 中的认知偏差

赢了不变、输了就换（WSLS）

这是 RPS 中最重要的一条行为规律。赢了之后，选手会重复刚才赢的那一手；输了之后，他们会改出那个本可以赢下对手上一手的手势。这深深植根于强化学习：有效的就重复，无效的就改变。逻辑上完全说得通，但也完全可以被利用。

Wang 等人（2014）在数千局对局中证实了 WSLS。它不只是常见，在未受训练的选手中几乎是普遍现象。只要你玩过 RPS，你就干过这事。你现在光是想到它，就正在这么干。

石头偏好

石头是所有人群和文化中最常见的开局手势。心理学家把这归因于具身认知：握紧的拳头让人感到有力且安全，那是手的默认姿势。你必须主动张开手才能出布，或者伸出手指才能出剪刀。石头在身体上和心理上都最省力。它是一个还没开始思考的人会出的那一手。

情绪预设

选手的情绪状态会以可测量的方式影响他们的出手：

• 挫败会提高石头的出现频率。人一生气就会握拳。这一点毫不含蓄。
• 焦虑会增加剪刀。那是一个更谨慎、更精确的手势，属于想太多的那一手。
• 自信会增加出手的多样性，并减少“赢了不变、输了就换”。冷静的人更难读。

决策疲劳

在长时间的比赛中，出手质量会下降。打过 10 到 15 轮之后，规律变得更明显，换手也从策略性变成反射性，“赢了不变、输了就换”开始自动接管。你的大脑会厌倦在三样东西之间做选择——这多少说明了一点关于大脑的事。赛事选手用套路（预先规划好的序列）和赛间的心理休息来应对这一点。

上头、压力与发挥

上头——这个扑克术语指情绪烦躁导致发挥下滑——在竞技 RPS 中杀伤力极大。连输几局之后，选手会：

1. 放弃策略，改凭直觉出手（而直觉通常是错的）
2. 打得更有攻击性，也就意味着出更多石头
3. 陷入更快、更容易预测的 WSLS 循环
4. 冲动地换手，指望“换换手气”（手气不是这么运作的）

顶尖选手能察觉自己的上头，更有价值的是，还能察觉对手的上头。用出人意料的打法或从容的自信刻意诱使对手上头，是一种正当的心理战术。有争议，但正当。规则里可没说你必须保持一张扑克脸。

社会与文化因素

RPS 中的行为还会受到谁在旁观、以及你在和谁玩的影响：

• 性别差异：一些研究显示开局手势的分布存在细微差异，但效应很小，并会随经验消失。RPS 在挫人锐气这件事上一视同仁。
• 观众效应：有人围观时，选手会出更多石头。那是“强”的一手。没人愿意当着一群人的面用布输掉。
• 文化规范：在集体主义文化中，选手的轮换规律可能有所不同，但最基本的偏差（WSLS、石头偏好）在所有有手的人群中都会出现。
• 熟悉度：对朋友，你会想太多；对陌生人，你会打出自己的默认习惯。两者都可以被利用，只是原因不同。

关键研究

• Wang、Xu、Zhou（2014）——《石头剪刀布游戏中的社会循环与条件反应》（Scientific Reports）。在 360 名参与者、每人 300 轮的实验中确认 WSLS 具有普遍性。这是有史以来最重要的 RPS 研究——这句话是认真的。
• Cook 等人（2009）——证明选手会受到细微预设线索的影响，且即使在受控条件下，RPS 也并非纯粹随机。
• Dyson 等人（2016）——表明负面情绪会加剧可预测的出手规律，尤其是石头。科学证实了每个连输三局的人早就知道的事。
• Kanouse 与 Hanson（1987）——关于重复博弈中 WSLS 启发式的早期研究，后来在 RPS 上得到专门验证。

RPS 教会我们关于决策的什么

石头剪刀布是一面镜子。它告诉我们：即使在最简单的决策环境里（三个选项，没有信息优势），人类也是可预测地不理性。我们会在没有规律的地方看出规律，会重复成功，会情绪化反应。这些倾向在人生的大多数场合里对我们有好处，但在一个奖励纯粹随机的游戏里，它们就变成了可被利用的弱点。

这也是为什么 RPS 被用在课堂上教概率、在心理学实验室里研究决策、在竞技场合中检验心理纪律。这个游戏的简单剥掉了一切，只留下人类选择机制赤裸裸地摆在眼前。而事实证明，那套机制有一些 bug。