十几年前的夏天，中学生的夏令营。
外教拿出一盒糖果（是真的糖果），组织同学们玩一个游戏：合作还是背叛。
两个同学上来，每人先发10颗糖果，规则很简单：
如果两人同时喊出合作，每人得1颗糖果；
两人同时喊出背叛，都没有糖果；
如果一方合作、另一方背叛，背叛者直接从对方手里拿走2颗糖果。
每次匹配后连玩10把，看谁最后糖果多。
那天玩得很热闹，外教发了很多糖，结果我也记得，反正就是“傻白甜”选了好多次合作的都被骗得很惨，爱选背叛的带走了大把糖果。
仔细想一下你会发现，在一次游戏里，无论对手选什么，我们选择背叛一定比合作好，所以聪明的选择是永远背叛。
两个聪明人会一起背叛，最终谁也拿不到额外的糖；两个“傻子”反而能让糖果一起增加。这就是经典的囚徒困境。
囚徒困境有没有破局的方法
难道聪明人只能永远会被困住吗？囚徒困境有没有破局的方法？还真有。
真正困住聪明人的，是那个看得见的最后一轮。如果游戏明确只玩10轮，最后一轮没有未来可言，理性选择自然是背叛。既然第10轮必然背叛，第9轮也失去了维持合作的意义。沿着这个逻辑向前倒推，背叛会一路蔓延到第1轮。
那如果我们把那个看得见的最后一轮撤掉会怎么样？在一个永远会玩下去的“囚徒困境”里，聪明人可以采用的策略是：
如果对方一直合作，我就一直合作；
对方只要背叛一次，我以后永远背叛；
第一次先从合作开始。
两个采用这种策略的人相遇，他们就能永远合作，让各自的糖果都越来越多。
当然，更严谨一点来解这个囚徒困境的话：不需要实际无限次，只需要不存在一个双方确定知道的最后一轮，并且下一轮继续出现的概率足够高（Dal Bó，2005，Cooperation under the Shadow of the Future）。
继续细究会涉及数学，也不是本文的重点。现在我们只要知道：
同样的一场游戏，同样的两个绝顶聪明的人，玩1次/10次/任何数字的有限次，和玩无限次，最终呈现出的博弈策略会是不同的。
这和扑克有什么关系？
让我们来回顾下听别人讲GTO，或者更广泛一点，关于“平衡”的概念的时候，通常都会说：如果你过度弃牌，对手可以用任意两张牌诈唬你；如果你诈唬不足，对手可以过度弃牌，你的价值牌就得不到支付；如果你某个行动不平衡，对手迟早可以找到某个按钮并反复按下去，并狠狠剥削你的糖果。。。
这些关于平衡的表达暗示着你和对手会一直玩下去；GTO的求解过程本身近似无限次博弈（电脑上千万次互相剥削后几乎不再调整策略，便有了GTO）。
但来到真实世界中，当你过度弃牌的时候（除非你自己亮牌或者实在太离谱），对手能剥削到你的前提是：
真的在关注你，而不是同时在和朋友聊天、刷短视频、或者处理另外7张桌子；
认清不同场景/牌面，积累样本，然后区分真实倾向与短期波动；
有足够的理论水平做出正确的调整。
等到对手满足了以上3点，还需要你和对手都还留在桌上，没人鸽子，没人退游，没人升级。
承认吧，这很难的。如果你玩的是现场锦标赛、一年去几次线下常规桌、或者你玩线上牌局但不是同开多桌一天打6个小时以上的职业玩家，你和你遇到的99%的对手都只会擦肩而过，打完一手牌连互相道一声SB的机会都没有。更现实的情况是：
你在担心过度弃牌，但对面那个Nit一整晚都生不出一手像样的诈唬；
你拿Nuts保护好过牌范围，下一次你的中等牌还是在过牌之后被猛猛炮轰；
你做出一次GTO式成牌转诈唬撞上鱼玩家慢打的钢板，他转头拿着你送的买入连同他自己的，输光给其他人，破产下桌了。
有限次博弈不会让GTO失效
值得注意的是，不是说GTO在有限次博弈的设置下就不再成立。这里的有限和无限，改变的只是实战中“保持平衡”和“主动剥削”的相对价值。
保持平衡的价值体现在长期博弈中让自己无懈可击，等待对手主动犯错赠送EV；而主动剥削的价值则是快速把有限次博弈中眼前最该拿下的EV变现。
如果你学了GTO，学了关于平衡的知识，理论，策略，但牌桌上依然很难提升，有可能就是因为：你的学习和实战目标，在游戏的博弈性质上就错配了。
你在牌桌下学习GTO、牌桌上把主要精力花在构建自己的平衡策略，防止被对手剥削，而不是花在关注对手的策略偏离和调整能力并相应设计剥削策略，就是过度强调了长期博弈中价值更高的“保持平衡”，但忽略了有限次博弈中真正给你带来盈利的“主动剥削”。
所以下一次面对那个具体的对手时，别只想：“GTO会怎么做？”
而是再多问一句：我们还会打多少次同类场景，而他真的来得及学会惩罚我吗？
至于如何根据以上这个问题答案的“是”和“否”（或者介于中间的任何摸棱两可地带），建立一套可执行的扑克思维，下一篇我们继续聊。
