La sombra del futuro

La lección anterior dejó la paradoja blindada: en un dilema del prisionero único y anónimo, la traición es la jugada dominante, y ninguna cantidad de buen carácter te rescata. Si esa fuera toda la historia, el mundo vivo sería un desierto de tramposos. No lo es. Así que algo que la matriz de una sola jugada deja fuera tiene que estar cargando con el peso — y esta lección lo nombra, lo mide y muestra exactamente cuánto de ello necesitas.

Lo que falta es casi vergonzosamente simple. Es un mañana. Esta es la llave maestra de todo el curso: tenla en tus manos aquí y las cuatro lecciones siguientes no son más que variaciones sobre el mismo tema.

El ingrediente que falta: un futuro

Imagina un puesto de mercado en un pueblo que no volverás a visitar jamás. El vendedor puede colarte un melocotón magullado escondido bajo los buenos, coger tu dinero y no volver a verte la cara nunca. Ahora imagina al frutero del final de tu propia calle, a quien comprarás cada semana durante una década. La misma transacción, un incentivo radicalmente distinto — y lo único que cambió es si hay una próxima vez.

El dilema de una sola jugada tiene un punto ciego fatal: no hay una próxima vez en la que tu traición pueda castigarse. Traicionas, coges el pago de la tentación, te largas — la víctima nunca llega a tomar represalias, porque el juego se acabó. Pero casi ninguna relación que importe es genuinamente de una sola jugada. Tu proveedor, tu colega, tu vecino, tus propias bacterias intestinales: volverás a tratar con ellos la semana que viene y el año que viene.

Un juego repetido (repeated game) (o juego iterado) es simplemente el mismo juego jugado una y otra vez por los mismos jugadores, que recuerdan lo que pasó la última vez. Esa memoria es todo el truco. En cuanto una traición de hoy puede responderse con una traición de mañana, tu elección presente deja de ser gratis — compra un futuro. La perspectiva de que la jugada de hoy moldea las jugadas futuras del otro se llama la sombra del futuro (shadow of the future): la perspectiva inminente de más rondas, que se estira hacia atrás para disciplinar lo que haces ahora mismo.

Por qué la repetición reescribe los pagos

En el curso de Nash Equilibrium hay una lección con un título contundente: Cambia el juego, no a los jugadores (Change the Game, Not the Players). Su idea entera es que un mal equilibrio no es un fallo moral de la gente que está en él — es el punto de reposo de los pagos a los que se enfrentan — así que si quieres un comportamiento distinto, recableas los pagos, no las almas. La repetición es esa jugada en su forma más pura y natural. Nadie la legisla, nadie firma un contrato; el tiempo mismo edita la matriz.

Aquí está la edición, planteada como una comparación de lo que en realidad estás sopesando:

• Una sola jugada: sopesas la tentación de traicionar ahora frente a nada. No hay ningún mañana en el otro lado de la balanza, así que la tentación gana por defecto.
• Repetido: sopesas la tentación de traicionar ahora frente a toda la cooperación futura que destruirías al traicionar. La traición de hoy no solo te cuesta la confianza de la víctima esta ronda — envenena todas las rondas siguientes, porque un jugador que recuerda dejará de cooperar contigo.

Cuando ese segundo término pesa lo suficiente, gana la cooperación — y fíjate en por qué gana. No porque te hayas vuelto amable. Porque traicionar dejó de compensar. Cooperar es ahora la jugada egoísta. Esta es la frase que hay que tatuarse por dentro del cráneo: en un juego repetido con un futuro lo bastante largo, el egoísmo y la cooperación apuntan en la misma dirección. No es moralidad. Es aritmética. El resto de esta lección es esa aritmética, hecha explícita.

La probabilidad de continuación w

Para hacer la aritmética necesitamos un número para “¿cuánto futuro hay?”. En el mundo real el juego rara vez termina con un timbre programado; más bien, tras cada ronda, hay cierta probabilidad de que volváis a interactuar y cierta probabilidad de que no. Llamemos a esa probabilidad w, la probabilidad de continuación (continuation probability): tras cualquier ronda dada, el juego continúa a otra ronda con probabilidad w, y termina con probabilidad 1 − w. (Los economistas a veces llaman a ese mismo mando el factor de descuento (discount factor) — una ronda futura vale una fracción w de una presente, ya sea porque puede no ocurrir o porque la valoras menos. La misma palanca, cualquiera de las dos interpretaciones.)

$w$ va de 0 a 1. En $w = 0$ no hay con certeza próxima ronda — estás de vuelta en el dilema de una sola jugada, y la traición domina. En $w$ cerca de 1 la relación se estira casi con seguridad — una sombra larga. Lo mágico es que en algún punto intermedio hay un umbral: por debajo de él el futuro es demasiado endeble para frenarte y la traición compensa; por encima de él el futuro pesa lo suficiente para que compense la cooperación. Encontrémoslo con números reales.

Ejemplo trabajado: ¿compensa cooperar con w = 0,8?

Usa los pagos estándar de la máquina de abajo — los cuatro números que definen un dilema del prisionero. Por convención se etiquetan T, R, P, S:

Ahora supón que ambos jugáis al toma y daca (tit-for-tat) — cooperar primero, luego copiar la última jugada del rival — de modo que cualquier traición será respondida la ronda siguiente. Compara dos vidas que podrías llevar frente a semejante compañero.

Vida A — cooperar para siempre. Recoges la recompensa R = 3 esta ronda, luego otra vez la ronda que viene (que vale $3w$ porque esa ronda solo ocurre con probabilidad $w$), luego otra vez ($3w^2$), y así sucesivamente. Sumar ese flujo infinito da la limpia fórmula de una serie geométrica:

$V_{\text{coop}} = 3 + 3w + 3w^2 + \cdots = \frac{3}{1-w}$

Vida B — traicionar una vez, y luego comerte el castigo. Cedes a la tentación esta ronda y agarras T = 5 contra un compañero que todavía coopera. Pero tu compañero juega al toma y daca, así que a partir de la ronda siguiente toma represalias; lo mejor que puedes sostener entonces es la traición mutua, que vale P = 1 cada ronda para siempre. Ese flujo futuro de unos, empezando la ronda que viene, es $\frac{w}{1-w} \times 1$. Así que:

$V_{\text{traición}} = 5 + \frac{w}{1-w}$

Cooperar es la elección egoísta exactamente cuando la Vida A vence a la Vida B — cuando $\frac{3}{1-w} \geq 5 + \frac{w}{1-w}$. Metamos sin más $w = 0,8$ y veamos:

Cooperar vale 15; la traición puntual vale solo 9. El melocotón que robarías hoy (una ganancia única de T − R = 2) queda empequeñecido por toda una vida de cooperación a 3 por ronda que estarías incinerando. Un jugador egoísta coopera. Ahora acorta el futuro a $w = 0,2$: cooperar vale $3/0{,}8 = 3{,}75$, mientras que traicionar vale $5 + (0{,}2/0{,}8) = 5{,}25$. Gana la traición. Los mismos jugadores, los mismos pagos — solo cambió la longitud de la sombra, y le dio la vuelta a la respuesta.

El umbral intuitivo: cooperar compensa cuando el futuro se valora lo bastante alto como para que las pérdidas continuas de ser castigado superen la ganancia única de hacer trampa. Para estos números exactos el punto de inflexión está en $w = 0,5$ — por encima de la mitad, coopera; por debajo de la mitad, traiciona. Engorda la tentación T o adelgaza la recompensa R y la w requerida sube; cuanto más goloso el premio a corto plazo, más larga la sombra que necesitas para resistirlo.

Juega tú mismo con la sombra

Abajo tienes el dilema repetido como una máquina viva, con esos mismos pagos T, R, P, S (5, 3, 1, 0). Está cargado con toma y daca contra un tramposo puro a lo largo de 14 rondas. Ejecuta los experimentos del pie de figura y mira cómo se alarga la sombra al subir el número de rondas — porque más rondas es exactamente lo que compra una w más alta.

La palanca que hay que sentir es el Experimento 4 frente al Experimento 2. Una partida corta es una sombra corta — una w baja — y el robo puntual del tramposo nunca se paga. Una partida larga es una sombra larga — una w alta — y cada ronda de ventaja robada se responde hasta que la cooperación constante se pone en cabeza. Estás viendo el umbral con tus propios ojos: en algún punto entre “2 rondas” y “muchas rondas”, el ganador cambia de bando.

La lectura evolutiva: por qué la selección favorece una sombra larga

Hasta aquí esto es teoría de juegos. Ahora hazla evolutiva, porque de eso trata en realidad este curso. La selección no ejecuta el álgebra conscientemente — pero no le hace falta. Las estrategias que cosechan pagos más altos dejan más copias de sí mismas, generación tras generación, y “pago” aquí solo significa supervivencia y descendencia. Así que la aritmética de arriba no es meramente lo que haría un jugador listo; es lo que construye la selección siempre que se cumplan las condiciones.

Y la condición clave es precisamente una sombra larga del futuro: la selección favorece a los recíprocos cuando los encuentros se repiten con el mismo compañero. Si un gen servicial sigue encontrándose con los mismos individuos — un grupo social estable, un arrecife natal, un vínculo de pareja de por vida — entonces cualquier ayuda que dé puede devolverse, y la aritmética de la reciprocidad se paga sola en descendencia. Por eso la cooperación florece exactamente en los entornos donde los compañeros se repiten: animales territoriales con vecinos fijos, especies sociales longevas, grupos muy unidos. Una sombra larga no es un lujo; es una condición que la cooperación necesita para evolucionar siquiera.

La predicción aguda y comprobable es lo que pasa cuando acortas la sombra — y está por todas partes:

• Clientes fijos frente a la trampa para turistas. El café junto a la estación de tren que no volverá a verte nunca tiene todos los incentivos para cobrar de más y dar de menos; la panadería de barrio que vive de los habituales no puede permitírselo. La misma comida, el comportamiento opuesto — una diferencia de w, nada más.
• Relaciones largas con proveedores. Las empresas que esperan comerciar durante años cooperan calladamente — honrando acuerdos de palabra, absorbiendo algún que otro mal trago — porque el futuro de la relación empequeñece cualquier apretón puntual. Un vendedor de una sola vez no tiene tal freno.
• Comportamiento de “final de partida”. La gente se porta peor cuando la sombra se derrumba a nada: la última semana antes de que alguien deje un trabajo, una industria moribunda liquidando, la última patrulla de un soldado, un casero que sabe que un inquilino se va. Cuando no hay un mañana que proteger, la lógica de una sola jugada se reafirma y la traición vuelve — exactamente como predice el modelo.

La grieta de la inducción hacia atrás — y la escapatoria evolutiva

Hay una grieta famosa en todo esto, y la honestidad exige nombrarla. Supón que el juego se repite un número conocido y finito de veces — digamos exactamente 100 rondas, y ambos jugadores lo saben. Razona sobre la última ronda, la 100: no hay futuro después de ella, así que es en efecto un dilema de una sola jugada, y la traición domina. Así que ambos traicionaréis en la 100. Pero entonces la ronda 99 tampoco tiene un futuro que merezca la pena proteger (ya sabes que la 100 es una traición mutua pase lo que pase), así que traicionas en la 99 — y por la misma lógica en la 98, la 97, hasta llegar a la ronda 1. La cooperación se deshilacha desde el final. Esta cadena se llama inducción hacia atrás (backward induction), y predice la traición desde la mismísima primera jugada de un juego de longitud conocida. (El curso de Game Theory Basics recorre esto en detalle; aquí es solo la salvedad a nuestra llave maestra.)

La escapatoria evolutiva es hermosa en su simplicidad: los horizontes reales casi nunca son conocidos ni fijos. Ningún murciélago sabe qué noche es la última; ninguna sociedad comercial tiene un timbre que suene en la ronda 100; ninguna amistad viene con una fecha de caducidad impresa. Cuando el punto final es incierto — cuando tras cada ronda hay simplemente cierta probabilidad w de otra — la cadena de inducción hacia atrás no tiene una ronda final desde la que empezar a deshilacharse, y la cooperación sigue siendo racional. Por eso la evolución recurre al encuadre de la probabilidad de continuación en vez de a un recuento de rondas fijo: un horizonte abierto y probabilístico mantiene alta la w y larga la sombra, y ese es el mundo en el que los organismos viven de verdad.

Cuándo usarlo

Recurre a la sombra del futuro siempre que intentes explicar, predecir o producir cooperación entre agentes egoístas — personas, empresas, animales o algoritmos. Primero, hazte la pregunta diagnóstica: ¿esto es realmente de una sola jugada, o se repite con memoria? Acierta esa clasificación antes que nada, porque le da la vuelta a toda predicción. Luego, si quieres cooperación, no la prediques — alarga la sombra: haz la relación continua, haz las acciones visibles y recordadas, sube las probabilidades de volver a encontraros, y señala que correspondes. Y si te preparas para la traición, busca la sombra que se derrumba — el final de partida, la última ronda, el compañero al que no volverás a ver — porque es justo ahí donde la lógica de una sola jugada vuelve rugiendo.

Ya tienes la llave maestra. La repetición reescribe los pagos; una sombra lo bastante larga hace de la cooperación la elección egoísta; y la selección construye recíprocos allá donde los compañeros se repiten. Pero hemos estado agitando las manos sobre qué estrategia debería jugar en realidad un recíproco. ¿Cooperar primero? ¿Castigar con qué dureza? ¿Perdonar cuándo? La próxima lección lo responde con uno de los resultados más famosos de toda la ciencia social: Cómo ganó el Toma y Daca (How Tit-for-Tat Won) — los torneos por ordenador de Axelrod, donde el programa más simple de la sala venció a todos los rivales maquinadores, y los cuatro rasgos que lo hicieron invencible.