一个18岁少年如何用"记忆"破解囚徒困境

你有没有想过，为什么有些人明明可以合作双赢，却偏要选择互相伤害？

这不是道德课的思考题，而是一个困扰了数学家几十年的真问题。最近，一位刚满18岁的高中生给出了一个挺有意思的答案——而且他的发现，可能正在改变我们对人工智能的理解方式。

Cory Seelenfreund，来自纽约州新罗谢尔市，刚刚在2025年再生元国际科学与工程大奖赛上拿下了最高奖项之一：佩吉·斯克里普斯科学传播奖，奖金一万美元。他的研究对象听起来很学术——"囚徒困境中的记忆与决策"——但说白了，就是在研究一个老问题：人到底什么时候愿意合作，什么时候宁可损人利己？

一个经典难题的新解法

囚徒困境你可能听过：两个嫌疑人被分开审讯，如果都保持沉默，各判一年；如果都揭发对方，各判两年；如果一方揭发、一方沉默，揭发者当场释放，沉默者判三年。从个体利益出发，揭发似乎是更优选择——但结果往往是两败俱伤。

这个1950年代提出的博弈论模型，至今仍是理解人类合作行为的基础框架。经济学家、生物学家、政治学家都在用它分析从价格战到国际条约的各种场景。

Cory的切入点很具体：记忆。他用计算机模拟和数学建模，测试了当参与者能"记住"过往互动时，决策会发生什么变化。结果发现，记忆确实能显著改善合作结果——尤其是在更复杂的多次互动中。更有趣的是，纯粹的利他主义者和纯粹的利己主义者都不是最优解，两者的某种混合反而能创造出最稳定的合作系统。

这个发现的应用方向很明确：设计更智能的人工智能系统。当AI需要与人类长期协作时，它该怎么"记住"互动历史、怎么调整策略，Cory的模型提供了一些数学上的参考。

从数学到现实的跳跃

获奖之后，Cory并没有停下来。这个夏天，他把研究往前推了一步：不光看参与者本身的特质，还看外部环境怎么影响合作。他发现，有些环境天然适合合作生长，有些则像盐碱地一样，种什么死什么。

这个方向其实触及了一个更大的问题。我们常说"制度决定行为"，但具体是什么机制在起作用？Cory的模型试图用数学语言描述这种"土壤"效应——哪些规则设计能让合作自发涌现，哪些设计会把它扼杀在摇篮里。

接下来他要去MIT读应用数学。这个选择本身也说明了他的兴趣走向：不是纯理论的抽象游戏，而是能映射到真实世界的数学工具。

科学竞赛的另一面

聊完研究，Cory提到的一个细节挺让人意外。问他比赛期间最难忘的经历是什么，他没说领奖台，没说评委提问，说的是"回家的大巴"。

那辆车上坐着19个从同一个地区赛脱颖而出的学生。一周前他们还互不相识，十个小时的车程之后，已经变成了一群人一起拼魔方、看恐怖片、笑谈比赛里的内部梗。Cory说那种"连接感" unforgettable——难忘。

这大概也是科学竞赛容易被忽视的价值。对顶尖选手来说，奖项是结果，但过程里建立的同伴关系、看到的多元研究、体验到的智力共同体，可能是更持久的收获。毕竟，能进ISEF决赛的，都是各自地区筛选出来的佼佼者，聚在一起产生的化学反应，和单打独斗完全不同。

一个科幻迷的终极愿望

采访里有个问题挺有意思：如果能让一项科幻技术立刻成真，选什么？

Cory的答案是阿西莫夫《基地》系列里的"心理史学"——一门用数学预测大规模人类行为的虚构学科。小说里，心理史学家能预判银河帝国的崩溃和随后三万年的黑暗时代，并通过"谢顿计划"把这段混乱压缩到一千年。

这个选择和他的研究形成了有趣的呼应。Cory现在做的，是在相对简单的双人互动里寻找规律；心理史学则是把这种野心放大到整个文明尺度。他坦言，很想知道这种预测是否真的可能——哪怕只是一小部分。

这其实也是当代数据科学和复杂系统研究的真实前沿。从社交网络情绪预测到流行病模型，从金融市场模拟到气候政策评估，"用数学理解群体行为"已经不再是纯粹的科幻设定。当然，现实中的模型远比阿西莫夫想象的更粗糙、更脆弱，预测的时空尺度也有限得多。但Cory的选择说明，他清楚自己站在哪条延长线上。

给后来者的建议

采访最后，Cory给年轻研究者的建议很朴素：追求你真正感兴趣的东西。奖项和认可很好，但好奇心才是核心驱动力。他反复提到一个概念——"knowledge for the sake of knowledge"，为知识而知识。

这句话在功利导向的教育环境里，听起来几乎有点奢侈。但Cory的经历本身提供了某种验证：他的研究起点是纯粹的兴趣，过程是标准的学术训练（文献、建模、模拟、验证），结果是既有理论贡献又有应用潜力的工作。这个路径说明，"无用之用"和"有用之用"未必矛盾，关键是你得先愿意在不确定的领域里深耕。

值得一提的是，Cory的研究风格也体现了这种平衡。他没有为了追求轰动效应而夸大结论——论文里明确说的是"可能帮助设计"更智能的AI系统，而不是"已经证明"或"即将实现"。这种措辞上的克制，在科学传播中其实比大多数人想象的更重要。

还能想想什么

Cory的研究留下了一个开放的尾巴：环境条件。他发现有些环境" actively work against cooperation"——主动对抗合作，但具体是哪些机制在起作用，还需要更多工作。

这让人想到现实世界里的一些现象。为什么同样的两个人，在A公司能紧密协作，在B公司就互相拆台？为什么有些社区能自发组织起来解决问题，有些则陷入"公地悲剧"？Cory的数学模型或许能为这些观察提供一种抽象的语言，但把模型翻译成可操作的制度设计，还有很长的路。

另一个值得追踪的问题是：当AI真的开始"记住"与人类的互动历史，它会怎么使用这些记忆？Cory的模型假设参与者有固定的策略类型，但真实的AI系统可能会动态学习、调整，甚至发展出人类设计者没有预料到的行为模式。这种"涌现性"是下一代研究需要面对的。

最后，那个大巴车上的故事。19个年轻人，十个小时，从陌生人到朋友——这本身也是一个合作案例。Cory用数学研究合作，但最难忘的合作体验发生在研究之外。这种张力或许提示了科学的某种本质：我们发展工具来理解世界，但理解本身的动力，往往来自人与人之间那些无法被建模的连接。