要知道，只要会联想，世界上任意两个事物都可以有着八竿子打不着的联系。我跟特朗普之间也只要6度理论就可以相互认识了。而这个时候，无论是证明能或者不能海阔天空，都是认为退一步和海阔天空这两个事物之间是有相关性的。而互斥关系更加是强关联的一种，因为这是互补事件。

然后，我们来学习一下概率学上的独立事件与联合概率。

当P(XY)=P(X)P(Y)的时候，X、Y就是两个相互独立的事件。而相互独立的事件只要取样空间足够大，那个X，Y同时出现的次数就一定会发生。而，根据不完全归纳法，当你经历了多次X，Y事件同时发生以后，就会本能地默认这两者是相关联的。

这也就是归纳法比之演绎法的原始之处。演绎法会把两边的事件一个个分拆成X1,X2,...,Xn和Y1,....,Yn的不可分拆的组成的部分，然后依次对比基底（X1,X2,...,Xn）与基底（Y1,....,Yn）的相关性。

然后就是语义学上的不严谨表达，”退一步“和”海阔天空“这两个对象的具体标准是什么，它们分别张成了怎么样的一个集合，这两个集合上由分别有什么样的分布。这两个分布的联合分布又是什么样的。

那么，我们试着勉强地把这两者放到一个可定量的系统里吧。让我们打开小游戏 《信任的进化》

现在我来从两个角度分别论证一下 退一步（不）能海阔天空

1、小粉红对老油条的痴心错付

小粉红 永远「合作」，期待退一步海阔天空，然而老油条永远「欺骗」，爆走小粉红的每一刻金币

2、黑帮老铁不懂复读鸭的宽容

因为信息的误读，复读鸭只会在玩家连着「欺骗」两次的情况下才选择反击回去。而黑帮老铁如果被玩家「欺骗」一次，就永远不会再「合作」，白白浪费了复读鸭对系统的修正。而即便是一根筋和胡乱来在与复读鸭的交互中从系统获得奖励。

同样一个模型，前者，退一步，换来的是无休止的榨取。后者，一步不让，结果是浪费了潜在的机会。

所以，朋友，如果是你，你会怎么选择呢。

不如让我们忘记小粉红、复读机这些称呼，创建一个自反馈的神经系统，然后让它去从多次博弈中选择最佳算法。

计算机告诉你，最优算法是在10次以牙还牙里加入3-4次的宽容修正。