博弈论是数学与经济学的一个分支，研究理性决策者（即参与者）之间的策略互动。它为每个参与者的结果不仅取决于自身行动，还取决于他人行动的情境提供了形式化模型。该领域分析个人或组织如何在预期对手选择的基础上，选择策略以最大化其预期收益。其原理适用于多个学科，包括经济学、政治学、生物学，以及日益增长的人工智能系统设计。
博弈论的形式化基础形成于20世纪中叶，以1944年约翰·冯·诺依曼和奥斯卡·摩根斯特恩出版的《博弈论与经济行为》为标志。该著作引入了博弈作为参与者、策略和收益函数集合的概念，并确立了零和博弈的极小极大定理。1950年，约翰·纳什提出了纳什均衡，这是一种解概念，即在给定他人策略的情况下，任何参与者都无法通过单方面改变策略来提高自身收益。纳什的工作（他因此于1994年获得诺贝尔经济学纪念奖）将博弈论的适用性扩展至非零和与合作性情境。
核心概念与解概念
博弈由参与者、每个参与者可用的策略集合以及将策略组合映射到结果的收益函数正式定义。博弈可分为合作性博弈和非合作性博弈，取决于是否存在具有约束力的协议；也可分为零和博弈和非零和博弈，基于总收益是否恒定。纳什均衡仍是核心解概念，但也存在其他精炼形式，如扩展式博弈的子博弈完美均衡，以及允许外部信号的关联均衡。
扩展式博弈通过博弈树建模序贯决策，并引入信息集来表示不完全信息。相比之下，正规式博弈使用矩阵表示同时行动。重复博弈中，同一阶段博弈进行多次，可通过针锋相对等策略维持合作，如罗伯特·阿克塞尔罗德在20世纪80年代的计算机锦标赛所展示。
在经济学与生物学中的应用
在经济学中，博弈论支撑着拍卖理论、寡头模型和机制设计。1994年诺贝尔奖授予纳什、约翰·哈萨尼和莱因哈德·泽尔腾，以表彰他们对非合作博弈论的贡献。2005年，罗伯特·奥曼和托马斯·谢林因通过重复博弈和演化博弈论增进对冲突与合作的理解而获奖。拍卖设计，如谷歌云和亚马逊网络服务用于云资源分配的拍卖设计，常融入博弈论原理以确保效率和收益最大化。
演化博弈论由约翰·梅纳德·史密斯于20世纪70年代提出，将博弈论概念应用于生物学，其中策略代表表型，收益代表适应度结果。演化稳定策略（ESS）解释了利他行为和攻击性在动物种群中的持续存在。该框架也影响了机器学习算法，特别是在多智能体强化学习中。
人工智能中的博弈论
博弈论已成为现代人工智能研究不可或缺的一部分，尤其是在多智能体系统和战略规划中。在强化学习（与机器学习相关）中，智能体常在随机博弈环境中互动，每个智能体的奖励取决于联合行动。虚构博弈和反事实遗憾最小化等算法在扑克和象棋等游戏中取得了超人表现，如谷歌深度思维及其他实验室开发的系统所示。
纳什均衡概念用于训练生成模型，如生成式人工智能系统，其中生成器和判别器在极小极大博弈中竞争。这一对抗性框架于2014年引入，推动了图像合成和大型语言模型训练的进展。此外，机制设计为分布式系统中的计算资源分配提供指导，包括AWS Trainium和Azure基础设施。
局限性与批评
博弈论假设理性，即参与者具有一致的偏好和完全或不完全信息。批评者认为，现实中的决策者常表现出有限理性，受认知偏差和不完全信息影响。行为博弈论由丹尼尔·卡尼曼和阿莫斯·特沃斯基等研究者发展，引入心理学见解来解释对纳什预测的偏离。实验经济学表明，人类在一次性囚徒困境中经常合作，这与严格自利假设相矛盾。
另一个局限性是许多博弈中存在多重均衡，这降低了预测力。颤抖手完美和适当均衡等精炼试图解决这一问题，但尚无普遍接受的解决方案。此外，计算复杂性可能使大型博弈中的均衡求解变得棘手，这是算法博弈论近期工作所应对的挑战。
现代发展
当代研究将博弈论扩展至动态和网络化环境。平均场博弈论发展于2000年代，分析大量智能体群体间的互动，应用于经济学和神经网络训练。在线学习算法，如遗憾最小化，为重复博弈中的关联均衡提供收敛保证。这些方法用于深度学习系统中的资源分配和自动协商。
博弈论还为人工智能系统的伦理设计提供指导，特别是在确保对抗攻击下的鲁棒性方面。极小极大框架应用于对抗训练，其中模型被优化以抵御最坏情况扰动。随着AI系统变得更加自主，博弈论互动模型（包括麻省理工学院计算机科学与人工智能实验室和斯坦福人工智能实验室研究的模型）对于确保多智能体环境中的安全和合作行为至关重要。