2.1 零和博弈与极小极大：审理规则

2.1 零和博弈与极小极大：审理规则

GAN 的计分规则来自二人零和博弈：双方得失之和恒为零，造假者追求"最坏情况下最多赚"，鉴定师追求"最坏情况下最少赔"，合起来就是极小极大（minimax）规则。 本节从一张收益矩阵手算鞍点开始，把 GAN 的极小极大目标逐项拆到可复算。

进入数学审讯室的第一案。第 1 章我们说"双方利益相反"，本节把这句话精确化：相反到什么程度（零和），双方各自的最优策略怎么定义（极小与极大），以及 Goodfellow 论文里那个著名的目标函数每一项到底记的是谁的账。

先手算一张收益矩阵

规则要从最小的例子长出来。设造假者有两种工艺 A、B，鉴定师有两种鉴定法甲、乙。矩阵里的数字是造假者的收益（鉴定师的收益取负，这就是零和）：

造假者不知道鉴定师会用哪招，稳妥起见看每行最小收益：A 行最小 -1，B 行最小 2。选 B，最坏也赚 2——这叫极大化极小（maximin）。鉴定师对称地看每列最大损失：甲列最大 3，乙列最大 4，选甲，最坏只赔 3——极小化极大（minimax）。用代码核一遍：

import numpy as np
P = np.array([[3, -1],
              [2, 4]])   # 收益归造假者; 鉴定师收益 = -P

print("造假者各行最小收益:", P.min(axis=1),
      " -> maximin 选工艺", P.min(axis=1).argmax() + 1)
print("鉴定师各列最大损失:", P.max(axis=0),
      " -> minimax 选鉴定法", P.max(axis=0).argmin() + 1)
print("maximin 值 =", P.min(axis=1).max(), "; minimax 值 =", P.max(axis=0).min())
# 输出:
# 造假者各行最小收益: [-1  2]  -> maximin 选工艺 2
# 鉴定师各列最大损失: [3 4]  -> minimax 选鉴定法 1
# maximin 值 = 2 ; minimax 值 = 3
​

注意结果：maximin 值 2 不等于 minimax 值 3。这个例子没有鞍点——双方没有一对策略能互相锁死，理性对局会进入混合策略（按概率出招）的循环。这正是 GAN 训练"永不精确收敛、只能绕着均衡打转"的博弈论根源。当矩阵换成有鞍点的（比如把 4 改成 1.5，使得 B 行最小仍是 2、甲列最大恰为 2），双方策略才稳定互锁——对应 GAN 理论中"真实分布与生成分布重合"的完美均衡（2.4 节细讲）。

# 换一个有鞍点的矩阵观察互锁
P2 = np.array([[3, -1],
               [2, 1.5]])
print("maximin 值 =", P2.min(axis=1).max(), "; minimax 值 =", P2.max(axis=0).min())
# 输出: maximin 值 = 2.0 ; minimax 值 = 2.0
# 两者相等 => 鞍点存在: 工艺B 对 鉴定法甲, 博弈锁死
​

从矩阵到 GAN 的目标函数

矩阵说的是离散策略，GAN 的策略是连续的（两组网络参数），"收益"换成了期望对数似然。Goodfellow 给出的审理规则：

min_G max_D V(D, G) = E[log D(x)] + E[log(1 - D(G(z)))]

其中第一个期望对真实数据 x 取（x 服从数据分布），第二个对噪声 z 取（G(z) 是赝品）。逐项拆账：

• log D(x)：鉴定师把真品认成真品的得分，越大越好——鉴定师要它大；
• log(1 - D(G(z)))：鉴定师把赝品识破的得分（D(G(z)) 越小，此项越大）——同样是鉴定师的进账；
• 两项合起来，鉴定师最大化 V：把真品打真、把赝品打假，两头都要抓；
• 造假者最小化 V：让鉴定师的进账缩水，手段是把 D(G(z)) 推高（赝品被打成真品）。

一个 V，两种意图，这就是"极小极大"四个字在网络参数空间里的形态。对比一下更直观：

⚠️ 常见坑：把 GAN 叫"零和"严格来说要小心——工程实现里生成器常用"非饱和"改写损失（2.2 节），此时双方损失不再严格互为相反数，博弈从零和变成"近零和"。理论分析的起点是零和形式，训练代码里跑的多半是改写形式，两者别混。

为什么规则要设计成"极小极大"而不是"双赢"

直觉上，让两个网络合作拟合数据似乎更稳。问题在于合作目标仍要手工设计"像不像"的度量，绕回了显式建模的老路。极小极大的妙处是把"像不像"这个最难写的函数交给鉴定师去学，造假者只管对抗。代价是失去了单调的优化目标——没有哪条损失曲线能单独告诉你"整体在变好"，这也是第 4 章验收指标要另起炉灶的原因。

本节要点回顾

• 零和：鉴定师的账本恰是造假者账本的相反数，利益严格冲突；
• 极小极大：双方各按"最坏情况"选策略，maximin 与 minimax 值相等着存在鞍点；
• 无鞍点的常态：数值例中 2 ≠ 3，预示 GAN 训练绕均衡打转、不精确收敛；
• 目标函数两账户：log D(x) 与 log(1-D(G(z))) 都归鉴定师最大化，造假者整体最小化；
• 规则的代价：用可学的裁判换手工度量，牺牲了单一可监控的优化目标。

常见问题：规则层的疑惑

极小极大和极大极小是一回事吗？ 是同一对操作的两种读法：造假者做"极大化极小"（在最坏鉴定下挑最优工艺），鉴定师做"极小化极大"（在最坏造假下挑最优鉴定）。GAN 目标里的 min_G max_D 就是把两个视角写进一个式子，先对 D 取极大再对 G 取极小。

既然零和，为什么训练里双方损失加起来不是零？ 因为工程实现做了两处修改：生成器用非饱和改写（第 2.2 节），判别器常见标签平滑。账本不再严格互为相反数，博弈从纯零和变成"近零和"——理论分析用严格形式，训练代码用工程形式，两者别混用。

混合策略在 GAN 里对应什么？ 对应"参数绕均衡点震荡"。博弈论中无鞍点的博弈靠概率混合出招；GAN 的参数空间里，梯度噪声天然起到了混合的作用，训练轨迹绕均衡点打转而不精确收敛——第 2.3 节的实录会看到这个形态。

演算自测

给定收益矩阵（造假者视角）：第一行 5 与 0，第二行 3 与 2。请手算 maximin 与 minimax 值并判断有无鞍点。答案：造假者行最小为 0 与 2，选第二行得 2；鉴定师列最大为 5 与 2，选第二列得 2；两值相等即鞍点存在，工艺二对鉴定法二互锁。算完这题，极小极大的手工操作就过关了。