纽科姆悖论

一个预测者声称能看穿你的选择。桌上两个箱子,你拿一个还是两个?

1969 年,物理学家 William Newcomb 提出了一个让哲学家吵了半个世纪的问题。
2020 年调查:39% 的哲学家选两箱,31.2% 选一箱,剩下的不确定。
2026 年实验:40% 的人把 AI 当成了全知预测者。
1
完成 3 个小任务,系统「分析」你的决策倾向
2
面对两个箱子,做出你的选择:只拿 B,还是 A+B 都拿
3
揭晓预测结果,用蒙特卡洛模拟验证哪种策略更优
约 3 分钟 · 无需注册
预测系统正在分析你
完成以下任务,系统将根据你的行为模式生成预测
任务 1/3:凭直觉拖动滑块

不要想太多,把滑块拖到你觉得「舒服」的位置。

保守冒险
完成任务以继续
箱子 A(透明)
¥1,000
你能看到里面的钱
箱子 B(不透明)
¥0 或 ¥100 万
取决于预测者的预测
预测已密封完成。预测者声称已经看穿了你的选择。
规则: 如果预测者预测你只拿 B → B 里有 100 万。 如果预测者预测你两个都拿 → B 里是空的。 预测者的历史准确率:99.9%。

只拿箱子 B

信任预测者,放弃确定的 1000 元

A + B 都拿

管它预测什么,多拿一个总没错

全站统计

参与人数

—

一箱派

—

两箱派

—

预测命中率

—

蒙特卡洛模拟器

90%
10,000 轮

两派怎么吵的

一箱派
证据决策论
两箱派
因果决策论
收益矩阵

一箱派的核心论点

预测者准确率 99.9%。选一箱的人,99.9% 拿到 100 万;选两箱的人,99.9% 只拿到 1000 元。

期望值:一箱 = 99.9 万,两箱 = 1099 元。差了将近 1000 倍。

你去看看历史记录——选一箱的人都发财了,选两箱的人都只拿到 1000 块。你还选两箱?

代表人物:Arif Ahmed、Eliezer Yudkowsky
核心原则:最大化期望效用(Expected Utility Maximization)

两箱派的核心论点

预测已经做完了。箱子 B 里有没有钱,此刻已经是确定的事实。你的选择改变不了过去。

如果 B 里有 100 万:拿两箱得 100.1 万,拿一箱得 100 万。多拿 1000。

如果 B 里是空的:拿两箱得 1000,拿一箱得 0。还是多拿 1000。

不管哪种情况,两箱都比一箱多 1000 元。这叫支配策略。

代表人物:Robert Nozick、David Lewis
核心原则:支配策略原则(Strategic Dominance Principle)
预测「只拿 B」
B 里有 100 万
预测「两个都拿」
B 里是空的
你选:只拿 B ¥1,000,000 ¥0
你选:A+B 都拿 ¥1,001,000 ¥1,000

两箱派看列:不管预测结果如何,两箱总比一箱多 1000 元。

一箱派看对角线:准确率 99.9% 意味着你几乎只会落在左上或右下格。左上(100 万)远好于右下(1000 元)。

AI 时代的纽科姆

2026 年实验:AI 预测让人放弃确定奖励
Naito & Shirado (2026) 在 1305 人中做了纽科姆悖论的行为实验。结果:超过 40% 的人把 AI 当成了全知预测者,愿意放弃确定的奖励。这些人的收益比随机组低 10.7%~42.9%。当人们相信 AI 能预测自己的行为时,会主动限制自己的选择。
推荐算法:你的纽科姆困境
抖音的推荐算法预测你会点什么。如果你相信它「懂你」,你就会按它推荐的看——这跟一箱派的逻辑一模一样。你的行为在验证它的预测,它的预测在塑造你的行为。
自动驾驶:算法替你做纽科姆选择
自动驾驶系统需要预测其他车辆的行为来做决策。如果对方车辆也在用 AI 预测你——两个预测者互相预测对方的预测。这是纽科姆悖论的递归版本。
参考文献
Naito, A. & Shirado, H. (2026). AI prediction leads people to forgo guaranteed rewards. arXiv:2603.28944
Nozick, R. (1969). Newcomb's Problem and Two Principles of Choice. In Essays in Honor of Carl G. Hempel.
PhilPapers Survey 2020: 39.0% two-box vs 31.2% one-box. survey2020.philpeople.org