Cuando las buenas estrategias cometen errores

La lección anterior coronó a un campeón. El toma y daca (tit-for-tat) — coopera primero y luego copia lo que tu rival hizo la última ronda — se plantó en los torneos de Axelrod, venció a todos los grandes maestros maquinadores de la sala y lo hizo en cuatro líneas de código. Amable, vengativo, indulgente, claro. Sería perdonable pensar que el problema de la cooperación estaba resuelto y que podíamos irnos todos a casa.

Pero los torneos de Axelrod tenían un lujo oculto metido dentro: las señales eran perfectas. Cuando un programa cooperaba, su rival veía cooperar, exactamente, con cero probabilidad de una mala lectura. Cada jugada llegaba con precisión tal como se pretendía. El mundo real no te concede esa cortesía. En el arrecife, en la sala de juntas, en tu propia cocina, los mensajes se distorsionan, las manos resbalan, y un gesto amistoso se lee como un insulto. Y resulta que el toma y daca puro, nuestro héroe invencible, tiene una fragilidad tan afilada que un solo malentendido puede destrozarlo. Esta lección va de esa grieta — y de las estrategias que la remiendan.

El ruido: cuando el mundo distorsiona la señal

Aquí está lo que el torneo limpio dejó fuera. En cualquier escenario realista hay una brecha entre lo que pretendías hacer y lo que tu rival percibe que hiciste. Esa brecha se abre de dos maneras:

• Error de ejecución (la mano temblorosa). Pretendías cooperar, pero tu mano resbaló — enviaste el pedido equivocado, no cogiste la llamada, llegaste tarde. La jugada que sale de tus dedos no es la que elegiste. Los teóricos de juegos lo llaman la mano temblorosa (trembling hand): incluso un jugador perfectamente cooperador tiembla de vez en cuando y juega la jugada equivocada por accidente.
• Error de percepción. Cooperaste impecablemente, pero tu rival lo malinterpreta como una traición — el correo se perdió, el tono se juzgó mal, el gesto fue ambiguo. Lo que hiciste estuvo bien; lo que vio fue una traición.

Junta ambos y llámalo ruido (noise): cualquier proceso que voltee una jugada, al hacerla o al percibirla, de modo que una cooperación se registre como una traición (o al revés). El ruido no cambia las intenciones de nadie. Todos en esta historia quieren cooperar. El ruido simplemente corrompe el canal entre ellos — y, como estamos a punto de ver, con eso basta para incendiarlo todo.

Mira arder una amistad: el eco

Vamos a trazarlo. Dos jugadores de toma y daca comprometidos, Ada y Bo, ambos genuinamente amables, ambos sin querer nada más que una larga racha cooperativa. Abren cooperando y, durante tres rondas felices, reflejan la cooperación del otro a la perfección. Entonces, en la ronda 4, el ruido golpea: Ada pretende cooperar, pero su mano tiembla y Bo ve una Traición. Ninguno de los dos hizo nada malo a propósito. Mira lo que el toma y daca puro hace con ese único accidente:

Mira lo que ocurrió. Tras el resbalón de la ronda 4, los dos no vuelven a tocar la cooperación mutua nunca más. Caen en un eco (echo) perfectamente desfasado: cada ronda, exactamente uno de ellos castiga al otro por el castigo de la ronda anterior, para siempre. Cada represalia queda “justificada” por la última, así que ninguna estrategia ve jamás una razón para parar. Un accidente, y dos jugadores amables quedan encerrados en una venganza que nunca sana. (Según el momento, el eco también puede asentarse en una traición mutua permanente — pero de cualquier modo, la cooperación desaparece.)

Ahí tienes toda la tragedia en miniatura. La represalia del toma y daca, el mismísimo rasgo que lo hacía inexplotable, se convierte en un artefacto apocalíptico en el instante en que la señal puede mentir. No tiene forma de distinguir “me traicionaste” de “el canal tuvo un hipo”, así que trata un accidente honesto como un acto de guerra — y su propio grito de guerra se convierte en la provocación de la ronda siguiente.

Por qué el ruido remodela la propia evolución

Esto no es solo un caso extremo incómodo para una estrategia — en un mundo ruidoso dobla toda la historia evolutiva. Recuerda el arco: la selección favorece a la estrategia que puntúa más alto contra el campo. En el torneo limpio de Axelrod, esa recompensa fue para el toma y daca amable-pero-provocable. Añade ruido, y las cuentas cambian.

Ahora cada estrategia inflexible se está cobrando un impuesto a sí misma sin darse cuenta. Cada cierto tiempo, el ruido desata un eco, y la estrategia se pasa docenas de rondas intercambiando el mísero pago de la traición mutua en vez de la jugosa recompensa de la cooperación mutua — no porque nadie hiciera trampa, sino porque no pudo perdonar un error. Cuanto más inflexible la estrategia, más pesado el impuesto.

El peor infractor es la estrategia que nunca perdona: el Rencoroso (Grudger) (también llamado gatillo implacable / grim trigger). El Rencoroso coopera hasta que traicionas una vez, y a partir de ahí traiciona contra ti para siempre — sin apelaciones, sin segundas oportunidades, sin camino de vuelta. En un mundo limpio el Rencoroso parece formidable: es plenamente cooperador con los rivales amables y letalmente punitivo con los tramposos. Pero suéltalo en el ruido y es un desastre. La primera vez que el canal distorsiona una de las jugadas de su rival — y en una partida lo bastante larga eso es casi seguro — el Rencoroso vira a la traición permanente e incendia una relación que en realidad nunca fue traicionada. Se condena al peor pago por un error honesto que no sabe distinguir de la traición.

Así que aquí está la moraleja evolutiva: en un mundo ruidoso, la selección se vuelve contra los inflexibles. Las estrategias que prosperan son las que pueden absorber una señal distorsionada ocasional, encogerse de hombros y volver a cooperar — porque ahí es donde están los puntos. El ruido hace que el perdón sea más apto. Conozcamos las estrategias que descubrieron esto.

La isla de arriba usa el Toma y Daca Indulgente (tit-for-two-tats) — un primer intento tosco de perdón que solo toma represalias tras dos traiciones seguidas, así que una sola jugada suelta no puede provocarlo. Eso funciona, pero es burdo: le regala a cualquier tramposo una traición gratis cada ronda que le apetezca. Las estrategias de abajo son los arreglos más quirúrgicos.

Las refinadas: perdón que aún muerde

El ruido rompe el toma y daca puro, pero la reparación no es dejar de tomar represalias — eso simplemente le entrega el mundo a los tramposos. El truco es tomar represalias con más inteligencia: conserva los dientes, pero añade una forma de salir de un eco. Tres estrategias, tres mecanismos distintos.

El toma y daca generoso: perdonar al azar

El toma y daca generoso (generous tit-for-tat) juega exactamente como el toma y daca ordinario, con un giro: cuando tu rival traiciona, normalmente tomas represalias — pero cada cierto tiempo, al azar (digamos, aproximadamente una vez de cada tres), cooperas de todas formas, perdonando la traición sin más.

¿Por qué ayuda una dosis aleatoria de clemencia? Porque rompe las cadenas de eco. Vuelve a Ada y Bo: su venganza se autoperpetúa porque cada represalia dispara la siguiente, en un bucle ininterrumpido. El toma y daca generoso lanza un cortacircuitos aleatorio dentro de ese bucle. Tarde o temprano, en vez de tomar represalias, simplemente coopera — y si el rival también es amable, esa única amabilidad inmerecida los reinicia a ambos de vuelta a la cooperación mutua. El eco muere. Para que lo sientas: en el eco de Ada y Bo de arriba, si cualquiera de los dos fuera generoso, en alguna ronda de represalia tiraría el dado y cooperaría en vez de contraatacar; el otro (que sigue copiando) vería entonces cooperación, la copiaría, y ambos volverían a trepar hacia la recompensa (C, C) por la que se estaban desangrando.

La pega, y es la crucial: la generosidad debe seguir siendo rara. Perdona una traición de cada tres y rompes las venganzas mientras sigues castigando a los tramposos reales dos de cada tres — de sobra para que a los explotadores no les compense. Perdona cada traición y acabas de reinventar al Siempre Coopera, el felpudo al que despluman. La generosidad es una salpicadura, no un baño.

El toma y daca contrito: disculparte por tus propios errores

El toma y daca generoso perdona las traiciones del otro jugador. El toma y daca contrito (contrite tit-for-tat) ataca el problema desde el extremo opuesto: lleva la cuenta de si su propia última traición fue un error.

El mecanismo depende de una pequeña contabilidad interna. El toma y daca contrito lleva un “estado” para sí mismo — ¿estoy en buen estado (good standing) (mi última jugada fue la cooperación que pretendía) o acabo de agraviar a mi rival (mi mano tembló y traicioné cuando quería cooperar)? La regla: si tu rival toma represalias contra una traición que sabes que fue tu propio error honesto, no contraatacas. Aceptas el único castigo, encajas el golpe con dignidad y vuelves a cooperar — el equivalente estratégico de “perdona, fue culpa mía, estamos en paz”.

Esto es precisamente el interruptor que le falta al toma y daca puro. Vuelve a pasar el resbalón de Ada en la ronda 4: una Ada contrita sabe que tembló, así que cuando Bo toma represalias en la ronda 5, reconoce su traición como su propia culpa volviendo a casa. En vez de copiarla y escalar, absorbe el único castigo y coopera en la ronda 6. Bo, que sigue reflejando, ve cooperación y la refleja. El eco se sofoca en una sola ronda — y, a diferencia del perdón generoso, ocurre deliberadamente en vez de por dados afortunados. La contrición arregla los errores que tú causaste; la generosidad arregla los errores que te hicieron.

Ganar-quedarse, perder-cambiar (Pavlov): que decida el pago

La más sutil de las tres no lleva la cuenta de traiciones ni de estados. Ganar-quedarse, perder-cambiar (win-stay, lose-shift / Pavlov) — apodada Pavlov — toma su siguiente jugada basándose puramente en cómo pagó la última ronda:

• Si la última ronda pagó bien — obtuviste el pago de tentación T (traicionaste a un cooperador) o la recompensa R (cooperación mutua) — te quedas: repites tu última jugada.
• Si la última ronda pagó mal — obtuviste el castigo P (traición mutua) o el pago del primo S (cooperaste y te quemaron) — cambias: pasas a la otra jugada.

Esa única regla hace algo notable en dos frentes.

Se autocorrige tras el ruido. Digamos que dos jugadores Pavlov cooperan felizmente (cada uno obtiene R, así que cada uno se queda y sigue cooperando) y el ruido voltea a uno a Traición. Ahora un jugador obtuvo la S del primo (mal → cambiará, de vuelta hacia la cooperación) y el otro obtuvo la tentadora T (bien → se queda, es decir, sigue traicionando) — durante una ronda están descompasados, ambos aterrizan en la traición mutua P (mal → ambos cambian ahora), y en la mismísima ronda siguiente ambos vuelven a cooperar. La relación se cura sola en un par de rondas, sin dados de perdón ni contabilidad de contrición — la estructura de pagos hace el trabajo.

Explota a los pusilánimes. Aquí está la parte astuta. Pon a Pavlov contra Siempre Coopera, el buenazo ingenuo. Pavlov coopera, obtiene R (bien → se queda), vuelve a cooperar… pero en el instante en que le toca traicionar (digamos, el ruido lo empuja), cobra el jugoso pago T contra un rival que sigue cooperando sin más. T es un resultado bueno, así que Pavlov se queda — sigue traicionando justo ahí, ordeñando al pusilánime ronda tras ronda. El toma y daca puro nunca haría esto; cooperaría plácidamente con un cooperador para siempre, dejando puntos sobre la mesa. Pavlov no es primo de nadie: perdona los errores reales y castiga a los primos por ser explotables. Esa combinación es la razón de que, en los torneos ruidosos, las estrategias tipo Pavlov a menudo puntúen más incluso que el toma y daca.

El compromiso de la calibración: hay un punto óptimo para el perdón

Da un paso atrás y podrás ver todo el espacio de diseño como un solo dial: ¿cuán indulgente deberías ser?

• Gira el dial demasiado hacia lo inflexible (toma y daca puro, o peor de todo, el Rencoroso) y el ruido desata venganzas de eco que te desangran. Castigas los accidentes como si fueran ataques, y lo pagas en cooperación perdida.
• Gíralo demasiado hacia lo indulgente (hasta el mismísimo Siempre Coopera) y eres un felpudo. Los tramposos reales traicionan, tú sigues poniendo la otra mejilla, y te explotan a saco a por el pago del primo cada ronda.

Las estrategias ganadoras viven en el medio — lo bastante provocables como para que explotarlas nunca compense, lo bastante indulgentes como para recuperarse de un resbalón honesto. Y aquí está la parte que la gente pasa por alto: dónde se sitúa exactamente ese punto óptimo depende de cuánto ruido haya. En un mundo de poco ruido, los errores son raros, así que puedes permitirte ser casi tan estricto como el toma y daca puro. En un mundo de mucho ruido, las señales distorsionadas son constantes, así que necesitas mucho más perdón solo para evitar que los ecos se traguen cada relación. No hay una única cantidad “correcta” de clemencia — es función de lo poco fiable que sea el canal.

Esto no es un punto abstracto sobre agentes de software. Es el manual de instrucciones de cada relación humana de largo plazo que tienes:

• Parejas y amistades. Las parejas olvidan, juzgan mal el tono, llegan tarde. Una relación con cero perdón convierte cada error honesto en una pelea, y cada pelea en la semilla de la siguiente — el eco humano. Suficiente gracia para absorber accidentes es lo que le permite durar. Pero una relación con perdón infinito invita a que una parte dé por sentada a la otra. Las duraderas calibran el dial correctamente: rápidas para dejar pasar un resbalón, aún reacias a ser un felpudo.
• Equipos y organizaciones. Un equipo que trata cada balón dejado caer como una traición se hunde en la culpabilización; un equipo que nunca impone estándares acaba cargando con los gorrones. Los equipos de alta confianza perdonan el fallo honesto y mantienen la línea con la dejadez deliberada.
• Diplomacia. Los tratados son canales ruidosos — un movimiento rutinario de tropas se malinterpreta como provocación, un fallo de verificación parece una violación. Los Estados que toman represalias contra cada señal ambigua (inflexibles) espiralan hacia el conflicto; los que ignoran cada violación (demasiado indulgentes) invitan a hacer trampa. Las posturas estables son el medio calibrado: responder con firmeza a las infracciones claras, conceder el beneficio de la duda a las ambiguas.

Dónde miente el modelo: perdonar no es lo mismo que ser un felpudo

Es tentador leer esta lección como “la moraleja de la historia es: sé más indulgente”. Leído sin cuidado, eso es peligrosamente falso, y es exactamente donde el modelo se aplica mal.

La generosidad funciona porque sigue siendo vengativa la mayoría de las veces. Cada estrategia ganadora de esta lección conserva sus dientes. El toma y daca generoso perdona aproximadamente una traición de cada tres — lo que significa que aún castiga dos de cada tres. El toma y daca contrito solo baja la guardia ante las traiciones que él mismo causó; contra un tramposo genuino toma represalias como cualquier toma y daca. Pavlov explota activamente a los pusilánimes. El perdón, en cada caso, es un parche estrecho y táctico para el ruido, atornillado a una estrategia que sigue siendo fundamentalmente provocable. Quita la represalia y quédate solo con la clemencia, y obtienes el Siempre Coopera — que todo este curso ha mostrado que lo despluman hasta matarlo. La jugada que vence al ruido es “firme la mayoría de las veces, indulgente de vez en cuando”, nunca “siempre indulgente”.

Y la segunda trampa: la cantidad óptima de perdón no es universal. No hay una constante mágica — ningún “perdona siempre una de cada tres” que valga en todas partes. La dosis correcta escala con el nivel de ruido y los pagos en juego. Importa un ajuste de perdón calibrado para un entorno de poco ruido y alta confianza a uno de mucho ruido y mucho en juego y te explotarán; haz lo contrario y espiralarás hacia las venganzas. La lección no es un número que memorizar; es un dial que calibrar a tus condiciones reales.

Cuándo usarlo

Recurre a este modelo siempre que una cooperación que creías sólida empiece a deshilacharse y nadie sepa decir quién empezó. Esa es la huella dactilar de un eco impulsado por el ruido: una venganza sin villano original, solo una señal malinterpretada y dos represalias “justificadas” alimentándose la una a la otra. Cuando lo veas — una pareja relitigando una pelea que ninguno pretendía empezar, dos equipos culpándose por un traspaso caído, dos Estados escalando por un movimiento ambiguo — no busques al culpable. Busca el interruptor. Sé quien absorbe un único castigo sin escalar (contrición), quien de vez en cuando concede gracia incluso cuando le deben represalia (generosidad), o quien simplemente vuelve a lo que paga y deja de llevar la cuenta (Pavlov). Y cuando construyas un sistema donde la cooperación importa — una asociación, un tratado, un equipo — mete holgura para los errores honestos, porque un canal con cualquier ruido los producirá, y una estrategia sin perdón convertirá cada uno en una guerra. Solo recuerda la barandilla: suficiente perdón para sobrevivir a los accidentes, nunca tanto como para invitar al abuso.

Hacia dónde va esto

Ahora conoces el truco maestro (un futuro compartido reescribe los pagos), la estrategia campeona (amable, vengativa, indulgente, clara) y — desde esta lección — cómo hacer que esa estrategia sea robusta ante un mundo que distorsiona sus señales. Pero todo hasta ahora ha supuesto que sigues encontrándote con el mismo rival, así que puedes recompensarlo o castigarlo a él directamente. La cooperación real llega mucho más lejos. Cooperamos con gente a la que nunca volveremos a ver, sacrificamos por parientes con los que ni siquiera comerciamos, y los cooperadores de algún modo sobreviven en multitudes llenas de tramposos. A continuación, la lección 5, Cinco caminos hacia la cooperación — reciprocidad indirecta y reputación, selección de parentesco y la regla de Hamilton, reciprocidad de red, y una palabra honesta sobre la selección de grupo — los mecanismos que hacen crecer la cooperación incluso cuando el toma y daca directo se queda sin camino.