文 / 林澤民（轉載自nilnimest 的部落格）
從白衫軍到黑衫軍，台灣的公民運動已經不只一次地證明：它們能夠超越傳統政黨，在短短的幾天之內，動員數十萬人，和平地集會，向政府提出具體的政策要求，並在數小時之後和平離開。這種新型式的政治，可以稱為「快閃政治」（flash mob politics）。
快閃政治之所以可能，絕大部分是因為手機，網際網路，還有網路社群的普及，特別是在年輕人之間的普及。現代溝通科技，克服了傳統集體行動理論中的所謂「白搭」問題 （free-rider problem），把集體行動從多人「囚犯困局」變成為多人「協調賽局」。當溝通協調成本低而且容易，「臨界質量」（critical mass）便容易達到；而當參與人數超過臨界質量，參與比不參與會有更多的正收益，白搭問題就不存在了。這個過程，是不需要仰賴傳統政治力量來組織動員的；所有群眾運動所須的資源，包括資金、人力、科技、傳播、乃至於醫療、法律諮詢，均可以快速協調集結。群眾自發性協調的成功，表現於全新的、臨時起意的政治符號：白衫、黑衫、太陽花完全取代了傳統政黨的政治符號。
參與社會運動當然主要是追求理想，但傳統集體行動理論認為社會運動的目標是公共財（public goods），如果目標達成，即使未參加運動的人也能夠受益，而參加運動則常須付出重大代價，因此理性的個人，除非有參與才能享受得到的「選擇性利益」（selective benefits），通常會選擇白搭便車而不參與運動。這意味社會運動的參與是一個多人「囚徒困局」，而白搭是一個「優勝策略」，所有參賽者（也就是社會大眾）白搭是唯一的「納許均衡」，但是它不是一個「伯瑞多最佳結果」。
關於雙人囚徒困局，請參閱本系列前三篇文章：
這裡簡略說明賽局理論的幾個重要概念：
- 優勝策略：不論其他參賽者採取何種策略對自己都是比較有利的策略。
- 納許均衡：沒有參賽者願意「單方面」改變策略的策略組合。
- 伯瑞多最佳結果：參賽者無法「同時」改進的賽局結果。
集體行動的多人囚徒困局，可以用下圖來表示：
上圖中，Y軸代表收益，X軸代表出了自己以外參與運動的人數，紅線代表不參與的收益，綠線代表參與的收益。這圖有四項特徵：
- 紅線的起始點為零，這代表無人參與社會運動的現狀：不但自己不參與，別人也沒有人參與。穿過原點的水平黑線代表「原始狀態」。在原始狀態中，大家均只為自己著想，沒有人致力於公益，這是一種互相背叛的狀態，每個人的收益均為零。
- 不論其他有多少人參與運動，對自己而言，不參與的收益總要比參與的收益來得高。這是因為不參與者不但可以和參與者同樣地享受社會運動的成果，而且不必付出代價。這也就是說，不論其他人參與或不參與，對於自己而言，不參與是優勝策略。
- 紅線跟綠線均隨著參與人數（X）的增加而升高，也就是說不論自己參與與否，別人越多人參與，則自己的收益越大。如果自己想白搭而不參與，那麼參與者是「傻瓜」（sucker） ;如果自己也參與，那麼參與者是同志；不論傻瓜或同志當然都是越多越好，因為越多人付出，社會運動成功的機會越大，自己的收益也就也高。
- 綠線隨著X的增加而升高時會高過於原始狀態：當傻瓜的人數多到一定程度時－假設為X＝K－傻瓜的收益會大於零，也就是比原始狀態還要來得好。當傻瓜的收益大於零，所有參與者便形成一個有存活機會的聯盟 （viable coalition）。這時雖然不參與還是比參與的收益要來得高，也就是白搭問題並未消失，但參與者至少可以說團結比一盤散沙要好。K＋1（除自己外另有K人參與）是參與者成為有存活機會聯盟的最少必要人數。
2005年諾貝爾經濟學獎得主湯瑪斯‧謝林 （Thomas Schelling） 在 《微觀動機與宏觀行為》（高一中譯，臉譜出版社）一書中，把符合以上特徵的人際競合關係界定為多人囚徒困局。根據賽局理論，這樣得困局中，理性的參與者沒有人會參與，也就是原始狀態是納許均衡；可是雖然它是一個穩定的狀態，它卻不是伯瑞多最佳結果，因為當參與人數超過K時，不論參與者或不參與者的收益都超過原始狀態的收益，也就是原始狀態是一個大家均可以同時改進的狀態。分析至此，我們可以看出：作為一種集體行動的社會運動是一個困局，因為在原始狀態中，沒有人願意單方面行動，可是社會上所有人卻有同時改善收益的可能性，大家只能徒呼負負而一籌莫展。這不但是一個困局，也是一個「性格決定命運」的希臘悲劇。事實上，所謂「公有地的悲劇」（tragedy of the commons）正是一種多人囚徒困局。
既然社會運動本質上是多人囚徒困局，那麼為什麼世界上會有那麼多成功的社會運動？這是因為在一些條件下，社會運動的多人囚徒困局可以改變成為多人協調賽局。如下圖：
這圖中，綠線的斜率超過紅線，也就是參與收益的邊際效益高過不參與收益的邊際效益：每增加一個參與者，參與者所增加的收益超過不參與者所增加的收益。如此當參與者的數目大到一定程度時－假設為V－綠線終於和紅線黃金交叉而使得參與者的收益超過不參與者的收益了。當參與者的人數超過V點，參與反成了優勝策略。這個V點，便是所謂的臨界質量。當臨界質量達到了，即使自私自利的人都會覺得參與是合算的選擇了。
這個圖所代表的多人賽局沒有無條件的優勝策略，卻有兩個納許均衡：大家都不參與的原始狀態和大家都參與的遍地開花狀態。前者（紅線的最低點）仍然不是伯瑞多最佳狀態，而後者（綠線的最高點）卻是。至於那一個納許均衡能夠被實現就要看臨界質量能不能達到了。
為何成功的社會運動參與收益要比不參與收益有更高的邊際效應？這是因為參與者在社會運動目標的公共財之外另有參與誘因。這些誘因只有參與者才能擁有，而且它們隨著參與人數的增加而增加。這種誘因在許多情況下是存在的：當參與的人多了，參與的代價通常會降低，除了人多好辦事之外，因為參與運動觸犯法律被公權力用暴力驅離或逮捕的可能性也會減小；而且參與的規模越大，越能吸引媒體和一般社會大眾的關注，成功的可能性越高；此時參與者人人心情舒暢，意氣風發，對於能夠在歷史洪流中扮演一個角色而感到驕傲，對於能夠改變世界更有功效感及權力感。此外，參與者彼此之間的同志感情，嘉年華會似的氣氛，甚至於在運動受挫，威權政府鐵腕鎮壓之時的相互支持，相濡以沫等等，均能增加參與社會運動堅持不退的選擇性誘因。
丹尼斯‧鍾 （Dennis Chong）在其名著《集體行動與民權運動》（Collective Action and Civil Rights Movements，University of Chicago Press）一書中曾很精闢地分析：在上述多人協調賽局的框架之下，有三個條件可以促使參與收益的期望值高於不參與收益的期望值; 也就是這三個條件能激勵理性參賽者參與社會運動：第一、參與的代價要低；第二、選擇性的參與誘因要高；第三、參與人數超過臨界質量的機會要大。
在傳統社會中，這三個條件並不是那麼容易滿足，但在網路和手機等移動型溝通工具普及的今日，情況已大不相同。首先，網路及手機使得溝通協調組織動員的成本大幅降低，參與者也能很容易獲得社會運動的資訊，包括運動的目標、策略、戰術、和現狀。其次，由於社群網路的普及，參與者容易表達意見並獲得回應，彼此之間容易便能結成緊密的社群網絡，互相分享，互相激勵，使得表達性的參與收益大幅提高。最後，資訊的便捷讓參與者容易估計參與社會運動的人數以及達成臨界質量的可能性。其實，社群網路很可能讓參與者所認知的臨界質量從所有參與人數大幅降低至所屬網路社群的參與人數；也就是只要自己社群朋友有足夠的人數參與運動，自己便可能受到從眾效應（bandwagon effect）的影響而形成參與收益高於不參與收益的判斷。果真如此，臨界質量的達成便容易多了。
傳統的集體行動理論在時代跨入21世紀就已經落伍了。2001年一月馬尼拉的愛得薩 （EDSA：Epifanio de los Santas）大道上薈集了一百多萬黑衫軍，在四天之內，便推翻了貪腐的菲律賓總統艾斯特拉達 （Joseph Estrada）。黑衫軍凝聚的動力，來自於一則只有十幾個英文字母的手機簡訊：“Go 2 EDSA, Wear blck”（「赴愛得薩，穿黑衫」）。這場所謂愛得薩革命及類似由手機媒介的集體行動事件，引起了美國學者 Howard Rheingold 的注意而在2002年出版了一本深具前瞻性的著作：《智慧型群眾》（Smart Mobs）。此書探討移動型通訊工具如何能夠克服傳統經濟學所揭示的囚徒困局、公有地的悲劇、以及集體行動的白搭問題。書名中Mobs一字實具雙關用意：它不但指無組織的群眾，也同時指涉手機等移動型溝通工具。簡言之，手機克服了大規模群眾運動中溝通及協調的問題，它能凝聚無組織的群眾在同一目標之下達成集體行動。這個過程，是不需要仰賴傳統政治力量來動員的。
關於手機和集體行動的關聯，請見〈都是手機惹的禍：手機與公民1985行動〉。
快閃政治會導致傳統政黨的式微，這點國民黨跟民進黨應該都已經體驗到了，快閃政治也會帶來新的政治人物，但快閃出現的政壇新人不一定能持久亮麗，例如去年的白衫軍和這次的黑衫軍便有不同的領導人。值得觀察的是快閃政治是否會把台灣政治變成一種「馬上辦政治」（politics on demand）：當總統支持度低落，政府施政不符民意，公民運動便立刻以快閃來要求政府改變？還有，當快閃變成常態，台灣的傳統政黨將如何因應？
作者：林澤民
台大電機系畢業，美國明尼蘇達大學政治學博士，現任教於美國德州大學奧斯汀校區政府系。林教授今年（2014）五月中至六月底將於台大政治系開授總時數 36小時的「理性行為分析專論」課程。七月下旬並將於中央研究院政治學研究所參與政治學研究方法訓練營的教學工作。林教授的中文部落格多為文學、藝術、政 治、及文化評論。網址: http://blog.udn.com/nilnimest/article
相關報導：
