文/陳根

如果說，有一種決策的方法能跨越文化、種族和地域的限制，那么除了抽簽這種純靠運(yùn)氣的方式，恐怕只剩下猜拳了。

猜拳被長(zhǎng)久地使用在生活中不需要太多思考的決策里，一般認(rèn)為，玩家獲勝的概率應(yīng)該是一樣的，即恒定的30%左右，從長(zhǎng)遠(yuǎn)來看，這使任意玩家同樣有可能贏、平或輸。這就是所謂的混合策略納什均衡，在這種均衡中，每個(gè)參與者在每一輪中以相等的概率選擇三個(gè)行動(dòng)。

但事實(shí)可能并非如此，來自浙江大學(xué)的研究團(tuán)隊(duì)的研究發(fā)現(xiàn)，真正的玩家的策略看起來是隨機(jī)的，但實(shí)際上是由可預(yù)測(cè)的模式組成的，狡猾的對(duì)手可以利用這些模式來獲得重要的優(yōu)勢(shì)。

具體來說，研究團(tuán)隊(duì)開發(fā)了一個(gè)基于基于n-階馬爾可夫鏈的人工智能模型——Multi-AI ，這意味著Multi-AI 擁有記憶性，能夠向前追溯最多 n 個(gè)歷史狀態(tài)并加以利用。研究人員將單個(gè)模型結(jié)合起來，應(yīng)對(duì)人類玩家的不同性格和策略。

如果人類玩家連續(xù)勝利，就會(huì)促使 Multi-AI 轉(zhuǎn)向選擇其他人工智能模型的更優(yōu)解。如果人類玩家連續(xù)失敗，大概率會(huì)轉(zhuǎn)換策略，或者打破之前的出拳規(guī)律，這時(shí)Multi-AI 也可以隨之調(diào)整。

這意味著一種不同的博弈策略。即Multi-AI 模型更強(qiáng)調(diào)針對(duì)不同玩家之間的個(gè)性差異、出拳策略，來及時(shí)的進(jìn)行調(diào)控，選取當(dāng)下最適宜的博弈策略。

最終實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，在和52名人類玩家分別大戰(zhàn)300回合之后，人工智能擊敗了95%的玩家。由于比賽規(guī)則是贏+2分，平+1分，輸不得分，且參與者均知道獲勝會(huì)獲得金錢獎(jiǎng)勵(lì)，總分越高，贏的錢越多，因此玩家故意放水或者隨便亂選的可能性極小。

即便如此，人工智能仍然大勝人類。在最懸殊的一場(chǎng)較量中，人工智能獲得了198次勝利，55次平手，僅輸了47次，勝率超過人類對(duì)手4倍。

當(dāng)然，這項(xiàng)關(guān)于猜拳的最新研究，成果不僅僅是一個(gè)很厲害的猜拳人工智能，還是一個(gè)很厲害的循環(huán)制衡模型分析師，這意味著人類的競(jìng)爭(zhēng)行為確實(shí)有規(guī)律可循，而通過使用適當(dāng)?shù)暮?jiǎn)單模型就能利用這些規(guī)律。研究人員認(rèn)為，該人工智能模型未來有望拓展到其他博弈場(chǎng)景，比如預(yù)測(cè)競(jìng)爭(zhēng)對(duì)手的下一步舉動(dòng)，規(guī)劃更有效的競(jìng)選策略，或者制定更有利的定價(jià)方案等等。