1703529080
1703529081
2．捕获和消费这种类型的猎物需要花费的平均时间，也就是处理时间。对于狮子来说，则是从捕捉猎物到吃掉猎物这段时间。
1703529082
1703529083
3．处理过程中消耗掉的能量成本。显然，比起捕食一只疣猪，狮子捕食一头水牛所消耗的能量肯定要多很多。
1703529084
1703529085
4．每天发现各种类型的猎物的概率。
1703529086
1703529087
通过系列计算，恰尔诺夫得到了度量某一组给定的攻击策略在单位时间内可获得多少能量的标准：
1703529088
1703529089
1703529090
1703529091
1703529092
得益于微积分的发明，这些数学生物学家可以把事情做得更漂亮一些：他们能够直接计算出哪种具体的攻击策略可以使能量摄取率最大化。在对以上等式作一下微分处理后，就可以得出一个新的等式，然后用它来计算出能够最大化R值的捕食策略。
1703529093
1703529094
在得到了一个新的经过微分处理的等式后，一个有趣的并且出人意料的观察结果就出现了。为了能够最大化能量摄取率R，一种特定猎物被攻击的概率应该是1或者0，即觅食者要么总是攻击这种特定类型的猎物，要么从来不攻击这种特定类型的猎物，这个观察结果被称为0—1规则。在任何情况下觅食者都不会出现有时攻击有时不攻击某种类型猎物的情况。
1703529095
1703529096
那么，觅食者应该攻击哪些类型的猎物呢？模型表明，如果捕食这种猎物所获得的能量除以处理时间（即捕食这种猎物的净能量获得率），小于遇见其他猎物的概率乘以从其他猎物中所获得的能量摄取率，那么就绝对不应该攻击这种猎物。也就是说，只有当攻击这种猎物的价值高于搜寻其他更好的猎物的价值时，觅食动物才会攻击这种类型的猎物。
1703529097
1703529098
捕食模型需要实验的检验。恰尔诺夫和他的同事设计了一个用山雀为实验对象的捕食实验。
1703529099
1703529100
在一个人为的觅食环境中，给山雀两种价值已知的猎物类型：大幼虫和小幼虫，大幼虫是小幼虫价值的两倍。猎物由一个传送带移动到山雀所在的笼子内，笼子内的山雀并没有看见猎物放置的过程。
1703529101
1703529102
按照0—1规则，动物认为某个类型的猎物值得吃，就总会吃它；如果认为不值得吃，就永远不会吃它。但是，令人惊讶的是这与实验者观察到的结果不符。虽然这些山雀具有选择性，但是所吃的幼虫中只有约85％是大幼虫，而不是理论上预计的100％。显然，山雀没有按最优策略来择食，而是采用一种次优策略。
1703529103
1703529104
不过，如果我们换个角度来思考，山雀的行动可能是最优的，而数学模型则可能存在一些错误。在现实世界里，猎物的价值是会改变的，而山雀的神经系统也会认识到这个事实。因此这些山雀会不时地挑选小幼虫，假如将检验捕食模型的实验环境扩展为整个全球环境，这将是最优的策略。
1703529105
1703529106
不可简约的不确定性
1703529107
1703529108
除了我们认知局限导致的不确定性外，还存在另一种事实存在的不确定性。
1703529109
1703529110
我们再次借助台球桌案例。这一次，考虑一个与我们生活世界相像的台球桌世界。假设台球桌上随机放着一个充满智慧的白球，并假设该白球的视野是有限的（白球在认识上具有不确定性），再假设除了白球以外的其他球都有自己确定的位置，而且其他的色球和白球一样拥有智慧，它们并非是被动的环境因素，而是和白球一样，目标也是将桌面上其他的球清理干净，在这个意义上，它们都是相互的竞争者。
1703529111
1703529112
如果一个黑球位于球袋的前面，并且出现在白球的视野中，白球经过详细数学分析得出结论：最优策略是尽快将黑球击入球袋。同时，黑球也知道了白球的想法。那么，面对这种情况，黑球该如何取胜呢？
1703529113
1703529114
只要黑球采取了确定的策略，无论多么复杂，白球都能够（至少理论上如此）推断出这个策略，并采取相应的策略击败黑球。黑球只有一个策略，它的行为必须不可预测。如果黑球前进的方向是不确定的，那么白球就不一定能够击中它。只有增加一种随机因素，给对手一种无法消除的不确定性，才是黑球对它的竞争者采取的最优策略。
1703529115
1703529116
对这种（通过行为随机性引入的）不确定性的认识对理解行为、大脑和意识之间的关系极为重要。
1703529117
1703529118
博弈论
1703529119
1703529120
古典经济学理论从未考虑过面对智能型对手时的决策制定。当面对一个智能型对手时，我们不仅受到来自静止世界的影响，还受到来自竞争者所采取的行动的影响。这是由于在一场真正的两人竞争中，你和对手的行为组成了一个动态系统。我们不可能用古典经济学方法来理解这种动态系统及其包含的不可简约的不确定性。
1703529121
1703529122
20世纪40年代，普林斯顿的数学家约翰·冯·诺依曼和经济学家奥斯卡·摩根斯坦对古典经济学的这种局限性产生了兴趣。他们将发生在智能型竞争者之间的相互作用叫作“博弈”。
1703529123
1703529124
引起冯·诺依曼和摩根斯坦特别兴趣的是一类名叫“混合策略零和非合作博弈”的数学博弈。博弈论建立的基础正是非合作博弈，这主要是由于零和概念的简单性。
1703529125
1703529126
在零和游戏中，一个选手的获益总是严格等于另一个选手的损失，在任何可能的结果中，选手总的损失和获益为零。在选手之间的这种完美对称性简化了很多博弈论所涉及的复杂数学问题。
1703529127
1703529128
冯·诺依曼和摩根斯坦的研究一直专注于寻找零和博弈的最优解。但是到了20世纪40年代晚期，人们逐渐认清了这种做法存在很大的局限性。在多种博弈中，一个博弈者的获益在数值上并不等于另一个选手的损失。这些非零和博弈，尤其是那些包含混合策略的博弈，是非常难以解决的。
1703529129