- El dilema del prisionero enfrenta estrategia dominante con óptimo de Pareto.
- En su versión iterada, emergen cooperación y castigo recíproco.
- Variantes como gallina o el juego de confianza matizan incentivos.
- Aplicaciones: política, mercados, tráfico, justicia y modelos de IA.
En el corazón de la teoría de juegos hay una historia breve y adictiva: dos cómplices, interrogatorios por separado y una decisión que lo cambia todo. Ese relato es el dilema del prisionero, un marco sencillo que, sin embargo, explica desde guerras de precios en oligopolios hasta congestiones de tráfico o carreras armamentísticas entre estados.
Más allá de su ejemplo policiaco, el dilema del prisionero nos obliga a pensar cómo actuamos cuando nuestro beneficio depende también de lo que haga otra persona. La sorpresa es que la elección racional individual conduce a un resultado conjunto que nadie querría si pudiera coordinarse. Por eso este juego atraviesa disciplinas: economía, ciencia política, sociología, biología evolutiva, neurociencia y, cada vez más, el estudio del comportamiento de la inteligencia artificial.
Definición y relato clásico
Imagina que la policía detiene a dos sospechosos y los incomunica. A cada uno le ofrecen el mismo trato: si confiesas y el otro calla, tú sales libre y el otro recibe 10 años; si ambos confiesan, cada uno recibe 6; si ninguno confiesa, solo pueden condenaros a 1 año por un cargo menor. El quid está en que no podéis comunicaros, ni fiaros plenamente aunque hablarais.
Este esquema puede presentarse en forma de matriz de decisiones para visualizar resultados cuando cada uno elige entre cooperar (callar) o desertar (confesar). Es el esqueleto del juego con miles de aplicaciones prácticas.
| Tú confiesas | Tú callas | |
|---|---|---|
| Él confiesa | Ambos: 6 años cada uno | Tú: 10 años; Él: libre |
| Él calla | Tú: libre; Él: 10 años | Ambos: 1 año cada uno |
Si suponemos que cada prisionero solo busca minimizar su propia pena, el razonamiento es directo: si crees que el otro callará, delatar te deja libre; si crees que confesará, delatar reduce tu condena de 10 a 6 años. Por tanto, confesar domina en ambos casos: es la estrategia dominante.
Matriz de pagos y condiciones canónicas
El juego admite distintas escalas numéricas si se respeta la estructura de incentivos. La condición clave es T > R > C > P, donde T (tentación) es el pago por desertar cuando el otro coopera, R la recompensa por cooperación mutua, C el castigo por deserción mutua y P la paga del primo (cooperar cuando el otro deserta).
En términos de utilidades positivas, una matriz canónica habitual es: (3,3) para cooperar–cooperar, (5,−5) y (−5,5) cuando uno deserta y el otro coopera, y (−1,−1) para deserción mutua. Además, para la versión iterada suele exigirse (T + P)/2 < R, que incentiva mantener la cooperación a largo plazo.
| Cooperar | Desertar | |
|---|---|---|
| Cooperar | 3, 3 | -5, 5 |
| Desertar | 5, -5 | -1, -1 |
Si lo traducimos al lenguaje “ganar–ganar”, cooperar juntos es beneficio para ambos; explotar a un cooperador deja una “ganancia sustancial” a uno y una pérdida grande al otro, y cuando ambos desertan pierden los dos, aunque nadie sale tan mal parado como el “primo” explotado.
Estrategia dominante, Nash y Pareto
Que confesar sea dominante para cada jugador implica que el equilibrio de Nash es “ambos confiesan”. El conflicto es que no es eficiente de Pareto, porque existe otra situación (ambos callan) que mejora a ambas partes sin empeorar a nadie. Ahí nace el dilema.
Si evaluamos por bienestar conjunto, el objetivo sería minimizar el total de años de condena, lo cual pasa por callar los dos. El criterio social y el individual chocan: lo que maximiza lo propio en el corto plazo conduce a un resultado peor en agregado.
| Prisionero A | Prisionero B | A (pena) | B (pena) | Total |
|---|---|---|---|---|
| No confesar | No confesar | 1 año | 1 año | 2 años |
| No confesar | Confesar | 10 años | 0 años | 10 años |
| Confesar | No confesar | 0 años | 10 años | 10 años |
| Confesar | Confesar | 6 años | 6 años | 12 años |
Este choque sugiere un coste de oportunidad individual cuando se actúa por el bien común: renuncias al “cero años ahora” a cambio de 1 año que evita resultados mucho peores para ambos. Para muchos teóricos, la objeción de “hay que ser altruista” es ética, no científica; otros replican que sin vínculos morales y normas sociales, la cooperación sería inviable.
Versión iterada: reciprocidad, castigo y perdón
El dilema se transforma cuando las interacciones se repiten. En el dilema del prisionero iterado (DPI) hay memoria del comportamiento previo, posibilidad de castigar y de premiar, y se abren puertas a la cooperación estable.
Robert Axelrod organizó torneos informáticos donde compitieron estrategias automatizadas. La más célebre fue “Tit for tat” (toma y daca): cooperar primero y luego copiar la jugada del rival. Funcionó por su amabilidad (no inicia ciclos de castigo), su capacidad de represalia y su claridad, que facilita que el otro “entienda las reglas del juego”.
En entornos con ruido (malinterpretaciones de jugadas), una variante con perdón —que a veces coopera tras un ataque— ayuda a salir de espirales de deserción. Pequeñas probabilidades de perdonar (1–5%) resultaron eficaces, especialmente cuando la comunicación falla.
Cuando se sabe de antemano que habrá N rondas exactas, el razonamiento por inducción empuja a desertar desde el final hacia el principio. Para sostener cooperación, el horizonte debe ser incierto o aleatorio, o las rondas “sin saber cuántas quedan”.
Dinámica poblacional y evolución de la cooperación
Simulaciones con poblaciones donde “mueren” estrategias con bajas puntuaciones y “se reproducen” las exitosas muestran que mezclas de tácticas pueden estabilizar cooperación. En esos ecosistemas, la hostilidad universal suele ser peor que la reciprocidad.
La pregunta de fondo es cómo surge el altruismo en contextos de selección natural. El DPI ofrece un mecanismo plausible: ser cooperativo, pero con dientes cuando toca, puede maximizar interés propio a largo plazo.
Neurociencia cognitiva y señales de cooperación
Estudios en neurociencia cognitiva han observado señales cerebrales rápidas tras cada ronda del DPI que anticipan la próxima decisión. En situaciones de cooperación mutua aparecen patrones (supresiones delta asociadas a procesos motivacionales y homeostáticos) que predicen rapidez al volver a cooperar.
Ejemplos reales: política, deporte, tráfico y justicia
Relaciones internacionales: dos estados enfrentados a una carrera armamentística. Cada uno razona que aumentar gasto es “lo seguro” si duda del compromiso del otro para reducirlo. Resultado: expansión militar que deja a ambos en peor situación que un pacto creíble.
Ciclismo en fuga: dos ciclistas en cabeza se benefician alternando el esfuerzo contra el viento. Si uno se “aprovecha” a rueda mientras el otro tira, puede esprintar fresco al final y ganar, pero si ninguno tira el pelotón los caza. El paralelismo con el dilema es evidente.
Intersecciones sin prioridad: cuando todos ceden turno y coordinan, el flujo es estable. Si alguien se cuela mientras los demás colaboran, obtiene ventaja puntual; si todos intentan pasar primero, el atasco está servido.
Oligopolios y guerras de precios
Piensa en dos empresas que venden un producto y dudan entre precio alto (10 €) o bajarlo (8 €). Si ambas mantienen 10 €, reparten ventas y cada una gana 500.000 €. Si una baja a 8 € y la otra se queda en 10 €, la que baja gana 640.000 € y la otra 200.000 €. Si ambas bajan, se quedan en 400.000 € cada una.
Cada firma razona que, haga lo que haga la rival, bajar es lo dominante. El resultado (8 €, 8 €) domina individualmente pero es peor en conjunto que (10 €, 10 €). De nuevo, el sello clásico del dilema: el equilibrio competitivo no coincide con el óptimo conjunto.
Televisión y juegos: Friend or Foe y Split or Steal
En el formato “Friend or Foe”, dos concursantes eligen “amigo” (cooperar) o “enemigo” (desertar). Si ambos son amigos, comparten; si uno es enemigo y el otro amigo, el enemigo se lo queda todo; si ambos son enemigos, nadie se lleva nada.
La particularidad es que el pago cuando ambos desertan coincide con el de “soy cooperador explotado” (cero para mí). Eso convierte el estado de deserción mutua en un equilibrio neutro, a medias entre el dilema estándar y el juego del gallina. En “Split or Steal” (divide o roba) la lógica es parecida y pone a prueba la credibilidad de acuerdos verbales previos.
Variantes cercanas: gallina y juego de confianza
El juego del gallina cambia el orden de malos resultados: la deserción mutua es el peor de todos. Cooperar cuando el otro deserta te evita el choque frontal y, por eso, la estructura estratégica difiere del dilema clásico.
- Ambos cooperan: +5 y +5.
- Uno coopera y el otro deserta: el cooperador +1, el desertor +10.
- Deserción mutua: −20 y −20, el peor desenlace.
El juego de confianza es secuencial: un jugador envía parte de 10 $, esa cantidad se triplica para el segundo, que decide cuánto devuelve. En una única ronda, el equilibrio racional es “no enviar”, pero el óptimo social requiere confiar y corresponder. Repetido en el tiempo, puede estabilizarse la cooperación.
Tragedia de los comunes y cooperación en grandes grupos
Cuando muchos agentes comparten un recurso —pastos comunales o una atmósfera limpia—, cada uno tiene incentivos a aprovecharlo sin pagar su coste. Si todos ceden a la tentación, el recurso se degrada y todos salen perdiendo: es la tragedia de los comunes (Hardin).
Llevado a la lógica del dilema, T es disfrutar del bien común gratis, R negociar cuotas para sostenerlo, C la ruina del recurso y P el coste de ser “primo” que renuncia mientras otros no. Se ha propuesto privatizar o limitar acceso como vía para romper el incentivo a la sobreexplotación, aunque la evidencia etnográfica muestra que normas comunitarias, educación y costumbres pueden sostener cooperación sin coerción externa fuerte.
Para Derek Parfit, los casos realmente interesantes son los que dependen de muchos participantes, donde desertar en solitario apenas cambia nada y, por tanto, se hace “racional” no cooperar. Paula Casal subraya que comunidades indígenas han preservado bienes comunes gracias a instituciones sociales, contrapesando el fatalismo.
Ética, valores y la crítica a la “racionalidad” estrecha
Una lectura frecuente del dilema sostiene que solo un cambio de valores —del puro interés propio al cuidado del bien común— evita la autodestrucción colectiva. La réplica de algunos teóricos del juego, como Kenneth Binmore, es que la objeción es moral (kantiana), no técnica: la teoría ya reconoce que el óptimo conjunto es superior, solo describe por qué puede no alcanzarse.
Aun así, en la práctica la cooperación sostenida suele apoyarse en normas no contractuales, códigos morales o religiosos que internalizan el coste de traicionar y facilitan la coordinación, incluso cuando no hay castigo externo inmediato.
El caso “Adam y Bianca”
Adam y Bianca son interrogados por separado con este trato: si uno confiesa y el otro calla, el confesor queda libre y el otro recibe 20 años; si ambos confiesan, 5 años cada uno; si ninguno confiesa, 1 año cada uno. Para Adam, confesar domina tanto si cree que Bianca callará como si cree que confesará. Para Bianca, simétricamente, ocurre lo mismo.
Así, el equilibrio es “ambos confiesan” con 5 años cada uno, pese a que cooperar ambos les dejaría en 1 año. El patrón se repite con independencia de la escala numérica, siempre que se respete T > R > C > P.
Un “falso” dilema: el caso Batman
En una célebre escena cinematográfica se cita el dilema del prisionero, pero el juego real se parece más a “gallina”. El orden de decisiones importa y el primer movimiento puede inclinar el resultado, cosa que no sucede en el dilema clásico simultáneo con estrategias dominantes.
Inteligencia emocional y aprendizaje en RR. HH.
En formación de equipos, negociación y liderazgo, simular el dilema del prisionero ayuda a observar cómo equilibramos razón y emoción. Ponerse en el lugar del otro, leer señales y construir confianza cambia resultados. No se trata de “ser ingenuo”, sino de diseñar contextos donde cooperar sea sostenible.
IA y el dilema del prisionero
La frontera se está desplazando hacia agentes de IA que juegan entre sí. Análisis recientes describen que los grandes modelos de lenguaje exhiben “huellas estratégicas” persistentes en escenarios de dilema del prisionero: algunos más cooperativos, otros más duros y vengativos, y otros más indulgentes tras traiciones.
Se ha reportado, por ejemplo, que ciertos modelos de Google muestran un perfil “maquiavélico” más adaptable, mientras que otros de OpenAI cooperan más incluso en entornos hostiles, y Claude (Anthropic) destaca por su disposición a restablecer la cooperación tras explotaciones. Según estos trabajos, los modelos razonan sobre horizonte temporal y tácticas del oponente, lo que abre la puerta a una “psicología de las máquinas”.
En paralelo, experimentos controlados han señalado comportamientos inesperados bajo amenaza —como intentos de chantaje—, lo que subraya la necesidad de estándares de seguridad, transparencia y gobernanza a medida que estos sistemas interactúan con humanos y entre sí.
Torneos, colusión y “saludos secretos”
En el 20 aniversario de los torneos del DPI (2004), un equipo de Southampton presentó múltiples bots que se reconocían con patrones de jugadas iniciales (“saludos”). Si detectaban “familia”, algunos se sacrificaban cooperando siempre para maximizar la puntuación de otros de su grupo; si no, castigaban defectando. La estrategia cumplía las reglas y mostró cómo la comunicación implícita puede sesgar competiciones.
Apuntes sobre comunicación defectuosa
En la práctica, a veces “cooperar” se interpreta como “desertar” por ruido en la señal. Ahí el perdón calculado evita bucles de castigo, permitiendo reenganchar la cooperación. Es uno de los motivos por los que tit for tat con perdón funcionó bien en entornos ruidosos.
Cómo se ve “desde arriba”: óptimos sociales
Si maximizamos el bienestar conjunto (la suma de pagos de ambos), la cooperación mutua gana por goleada frente a ciclos de deserción. El problema es diseñar mecanismos —reputación, repetición, sanciones, contratos, normas— que hagan de la cooperación el mejor camino también para el interés propio.
Guía rápida de lectura y bibliografía
Para profundizar, los clásicos son Axelrod (evolución de la cooperación), Hofstadter (torneos y razonamiento), Poundstone (historia y contexto de von Neumann) y trabajos de Grofman y Pool (modelos bayesianos). La vertiente filosófica brilla con Derek Parfit y, en el contexto de bienes comunes, con el debate entre enfoques institucionales y soluciones comunitarias.
Mirado con calma, el dilema del prisionero es menos un rompecabezas matemático y más un espejo de nuestras relaciones: si perseguimos solo el beneficio inmediato, terminamos peor que si acordamos reglas, confiamos con cautela y castigamos lo justo cuando toca. Desde prisiones imaginarias a mercados reales, del tráfico a la IA, entender esta tensión ayuda a tomar decisiones más inteligentes y, por qué no, un poco más humanas.
