作为例子，考虑我提出的“爱尔法鲁酒吧”问题。假设有100个人，每个人每个星期都必须独立地做出决定，要不要去他们最喜爱的酒吧，即圣塔菲的爱尔法鲁酒吧去消遣。规则是：如果某个人预测同一天会有超过60个人去酒吧，那么他或她为了避免拥挤嘈杂就选择留在家里；如果预测不到60个人会去，那么他就选择去。我们想知道的是，这些酒吧客人怎么预测每个星期将会出现在酒吧的人数，以及由此导致的数字序列的动力学。请注意，这个问题有两个特点。第一，我们的行为主体很快就会意识到，对有多少人会去酒吧的预测取决于其他人对多少人会去的预测，因为这决定了他们的“到场率”。但是，其他人的预测又取决于他们对其他人预测的预测。运用这种演绎推理时，存在着一个无限的回归。没有任何一个“正确”预期模型可以被假定为共同知识，而且从行为主体个人的角度来看，这个问题无法明确界定。不仅仅这个问题是这样，绝大多数预期问题都是这样。第二，更加令人讨厌的是，任何一个“共同预期”都会被打破或落空。如果所有人都运用预测只有少数人会去的预期模型，那么所有人都会去，从而证伪了这种模型。同样地，如果所有人都相信大多数人会去，那么没有人会去，这样会使这种信念归于无效。因此，各个人的预期将被迫变得不同。
1993年，我针对这种情况构建了一个模型。假设行为主体在决定去不去酒吧时，他们会采取一种归纳推理的方法，即把他们视为统计学家，每个人都从一系列主观选定的预期模型或预测假说开始“工作”。每个星期，他们根据他们目前拥有的最准确的模型来采取行动，我将这些模型称为他们的活跃预测器。因此，行为主体的各种信念或假说要在它们自己创造的“生态”中相互竞争。
计算机模拟结果表明（见图12-1），平均到场人数很快就会收敛到60这个数值上。各预测器自组织成了一个均衡的生态。在所有活跃的预测中，平均来说有40%预测到场人数会多于60人，有60%预测到场人数将少于60人。这种涌现出来的生态从本质上看是有机的，因为虽然活跃预测器组成的“种群”按60∶40的平均比率划分为两个“子种群”，但是每个“子种群”的成员永远都在不断地变化。那么，预测器为什么会自组织成平均到场人数为60人、所有活跃预测器按60∶40的比率划分这种状态呢？为了回答这个问题，不妨假设70%的预测器在相当长的时间内都预测出场人数多于60人，那么平均来说将只有30个人会去酒吧。但是，这个结果验证了那些预测到场人数接近30人的预测器，从而会将生态恢复到均衡水平。40%∶60%这个“天然”组合成了一个涌现出来的结构。“爱尔法鲁酒吧”问题代表了一个具有复杂动力学的微型预期经济。
图12-1 该酒吧前100周的到场人数
