美国著名的经济学专家阿瑟教授（W．B．Arthur）于1994年在《美国经济评论》发表的《归纳论证的有界理性》一文中首次提出来这样一个博弈模型：

有100个人很喜欢泡酒吧。这些人在每个周末，都要决定是去酒吧活动还是待在家里休息。酒吧的容量是有限的，也就是说座位是有限的。如果去的人多了，去酒吧的人会感到不舒服。此时，他们留在家中比去酒吧更舒服。

假定酒吧的容量是60人，如果某人预测去酒吧的人数超过60人，他的决定是不去，反之则去。这100人如何作出去还是不去的决定呢？

这个博弈的前提条件做了如下限制：每一个参与者面临的信息只是以前去酒吧的人数，因此，他们只能根据以前的历史数据，归纳出此次行动的策略，没有其他信息可以参考，他们之间更没有信息交流。

酒吧问题所模拟的情况，非常接近于一个赌博者下注时面临的情景，比如股票选择、足球博彩。这个博弈的每个参与者，都面临着这样一个困惑：如果许多人预测去的人数超过60，而决定不去，那么酒吧的人数会很少，这时候作出的这些预测就错了。反过来，如果有很大一部分人预测去的人数少于60，他们因而去了酒吧，则去的人会很多，超过了60，此时他们的预测也错了。

因而一个作出正确预测的人应该是，他能知道其他人如何作出预测。但是在这个问题中每个人预测时面临的信息来源都是一样的，即过去的历史，同时每个人无法知道别人如何作出预测，因此所谓正确的预测几乎不可能存在。

阿瑟教授通过真实的人群以及计算机模拟两种实验得到了两个迥异的、有趣的结果。在对真实人群的实验中，实验对象的预测呈有规律的波浪状形态。虽然不同的博弈者采取了不同的策略，但是其中共同点是这些预测都是用归纳法进行的。在这个实验中，更多的博弈者是根据上一次其他人作出的选择而作出这一次的预测。然而，这个预测已经被实验证明在多数情况下是不正确的。那么，在这个层面上说明，这种预测是一个非线性的过程。所谓这样一个非线性的过程是说：系统的未来情形对初始值有着强烈的敏感性，这就是人们常说的"蝴蝶效应"。

通过计算机的模拟实验，得出了另一个结果：起初，去酒吧的人数没有一个固定的规律，然而，经过一段时间后，这个系统去与不去的人数之比接近于60∶40，尽管每个人不会固定地属于去或不去的人群，但这个系统的这个比例是不变的。如果把计算机模拟实验当做是更为全面的、客观的情形来看，计算机模拟的结果说明的是更为一般的规律。

生活中有很多例子与"酒吧博弈"的道理是相通的。"股票买卖""交通拥挤"以及"足球博彩"等等问题都是这个模型的延伸。对这一类问题一般称之为"少数人博弈"。"少数人博弈"是改变了形式的酒吧问题。

在股票市场上，每个股民都在猜测其他股民的行为而努力与大多数股民不同。如果多数股民处于卖股票的位置，而你处于买的位置，股票价格低，你就是赢家；而当你处于少数的卖股票的位置，多数人想买股票，那么你持有的股票价格将上涨，你将获利。

在实际生活中，股民采取什么样的策略是多种多样的，他们完全根据以往的经验归纳得出自己的策略。在这种情况下，股市博弈也可以用少数人博弈来解释。

"少数人博弈"中还有一个特殊的结论，即：记忆长度长的人未必一定具有优势。因为，如果确实有这样的方法的话，在股票市场上，人们利用计算机存储大量的股票的历史数据就肯定能够赚到钱了。但是，这样一来，人们将争抢着去购买存储量大、速度快的计算机了，在现实中人们发现这并不是一个炒股必赢的方法。

"少数人博弈"还可以应用于城市交通。现代城市越来越大，道路越来越多、越来越宽，但交通却越来越拥挤。在这种情况下，司机选择行车路线就变成了一个复杂的少数人博弈问题。

实际的城市道路往往是复杂的网络。在这里我们简化问题，假设在交通高峰期间，司机只面临两条路的选择。这个时候，往往要选择没有太多车的路线行走，此时他宁愿多开一段路程，而不愿意在塞车的地段焦急地等待。司机只能根据以往的经验来判断哪条路更好走。当然，所有司机都不愿意在塞车的道路上行走。因此每一个司机的选择，必须考虑其他司机的选择。

在司机行车的"少数人博弈"问题中，经过多次的选择和学习，许多司机往往能找到规律性，这是以往成功和失败的经验教训给他的指引，但这不是必然有效的规律性。

在这个过程中，其实是司机的经验和司机个人的性格在起作用。有的司机因有更多的经验而更能躲开塞车的路段；有的司机经验不足，往往不能有效避开高峰路段；有的司机喜欢冒险，宁愿选择短距离的路线；而有的司机因为保守而宁愿选择有较少堵车的较远的路线，等等。最终，不同特点、不同经验的司机对路线的选择，决定了路线的拥挤程度。