每天我们都要做大大小小的决策，该找什么样的工作？又应该和谁恋爱？怎么和父母沟通？然后要采取五花八门的策略去实现自己的目标。不管你是否承认，每个人其实都是策略家，区别在于，有的人是出色的策略家，而有的人是蹩脚的策略家。
如果我们拥有所有确定的信息，做起决策来将会容易很多。但事实是，我们很难在决策前掌握所有信息；更麻烦的是，我们不是在一个毫无干扰的真空世界里做决策，我们的每一个选择、每一步行动都会影响到我们周围的其他决策制定者，而他们的选择反过来也会影响到我们。
你可以想一想伐木工人和军队里的团长的决策有什么区别。伐木工人在砍树时，不用考虑树会跳起来反抗，但是团长在面对敌人时，会考虑到自己的每一个命令下达后，敌人都会想办法对抗，那么团长就要不断克服这种对抗。这种互动的决定具有策略性，与之相对应的行动就是一个策略。在社会科学中，这种策略性的决策被称为**博弈论 **。
掌握策略思维的思考框架，可以帮助我们在日常生活和工作中更好地做出判断、采取行动，进而成为人生的策略赢家。我们就一起来学习这本博弈论的经典之作：《策略思维：商界、政界及日常生活中的策略竞争》。
本书由耶鲁大学教授奈尔伯夫和普林斯顿大学教授迪克西合作编写，他们结合了丰富有趣的故事和理论，所以没有相关基础的读者也不用担心读不懂。
你可以先来感受一个最经典的博弈问题——囚徒困境。囚徒困境可能也是最广为人知的案例。有这样一个笑话：
话说在斯大林时期的苏联，有一位乐队指挥乘坐火车前往演出地点，正在翻看当晚表演的作品乐谱，结果被两名克格勃（苏联国家安全委员会）军官盯上了。军官认定他的乐谱是一种密码，立即将他作为间谍逮捕。
乐队指挥争辩说：“那只是柴可夫斯基的小提琴协奏曲呀。”
审问者得意地说：“你最好还是老实招了吧，我们已经抓住你的朋友柴可夫斯基了，他这会儿正向我们招供呢。”
我们接着这个笑话讲下去。假如克格勃真的逮捕了一名叫“柴可夫斯基”的人（此人的唯一罪名就是起了“柴可夫斯基”这个倒霉的名字），将他和乐队指挥分开审问，并分别告诉他俩：如果两人都认罪，承认自己从事间谍活动，各判10年；如果一个认罪一个抵赖，认罪的人判1年，抵赖的人判25年；如果两人都抵赖，各判3年。
先从乐队指挥的角度来看，如果“柴可夫斯基”认罪，指挥的最佳策略也是认罪，因为认罪的话他会被判10年，而抵赖则要被判25年；如果“柴可夫斯基”抵赖，指挥的最佳策略也是认罪，因为认罪只会被判1年，而抵赖则要被判3年。所以最佳策略是认罪。
从“柴可夫斯基”的角度来看，情况和乐队指挥是完全一样的，最佳的策略也是认罪。因此，最后的结果就是两人都认罪，各判10年刑。
你大概会说，哎呀，最好的策略应该是两人都拒不认罪，各获3年刑期。但他们没有机会在做决策前好好商量一下。即使有机会商量，一旦他们被分开审问，每个人内心深处就会非常害怕自己被对方出卖，毕竟信任是非常难得的。最终两人还是逃脱不了10年刑期的命运。
生活中的个人、市场竞争中的企业、展开军备竞赛的国家，其实都曾吃过囚徒困境的苦。有些博弈是零和博弈（意思是不是你赢我输，就是我输你赢，没有双赢的结果），而囚徒困境里则出现了共同的利益和冲突，认识到这一点，对我们的分析和决策非常重要。那为什么囚徒困境里面的人很难获得最优的那个结果呢？
最近在学习人工智能，人工智能包括了机器学习，机器学习里面有一种分类为强化学习。
在传统的机器学习分类中没有提到过强化学习，而在连接主义学习中，把学习算法分为三种类型，即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。
强化学习目标是学习从环境状态到行为的映射，使得智能体选择的行为能够获得环境最大的奖赏，使得外部环境对学习系统在某种意义下的评价(或整个系统的运行性能)为最佳。
也就是根据外部环境做出最佳策略，当然这里的策略不断调整的，或者以后人类只要听众人工智能的安排就可以了，毕竟人工智能可以做出最佳策略。
简宝玉读书挑战打卡—《策略思维》书评
