與AI一起“石頭剪刀布”

風池

自從AI出現(xiàn)后，在很多競技類游戲中，人類都敗給了AI，最著名的就是1997年“深藍”擊敗國際象棋大師卡斯帕羅夫事件。對于AI擊敗人類，有些人表示不服，認為AI之所以能擊敗人類，是它掌握了更多的信息，能根據(jù)算法預測出人類的“套路”，如果在隨機游戲中，比如“石頭剪刀布”這種沒有規(guī)律的游戲，AI不一定贏得過人類。事實真的是這樣嗎？

在人們的一般認知里，“石頭—剪刀—布”三種出法隨機出現(xiàn)，相互克制。每次出手只會有三種結(jié)果，即輸、贏和平局，每次玩家獲勝的概率都是三分之一。這種游戲看起來很公平，而且充滿隨機性，所以在生活中，當遇到問題無法解決時，人們便非常樂于通過這種小游戲來做選擇。但是，這種游戲真的是隨機的嗎？答案是否定的。

浙江大學何賽靈教授的研究團隊開發(fā)了一個基于馬爾可夫鏈的AI模型，專門用來玩“石頭剪刀布”游戲。游戲的規(guī)則是：贏了加2分，平局加1分，輸了不得分。為了確保人類玩家能盡可能地按照自己的想法出拳，杜絕亂選或者放水，游戲設置了金錢獎勵，總分越高，得到的獎勵越多。但是，在與52個人類玩家分別大戰(zhàn)300回合之后，AI擊敗了95%的玩家。在最懸殊的一場較量中，AI獲得了198次勝利，55次平手，僅輸了47次。實驗總計進行了15600次，最終結(jié)果表明，在這個游戲中，AI大概率擊敗了人類玩家。如果“石頭剪刀布”游戲真的是隨機的，面對如此大的樣本，AI根本不可能占有優(yōu)勢。

這里面有什么玄機嗎？確實有。從本質(zhì)上來看，“石頭剪刀布”屬于博弈問題，其背后蘊藏著經(jīng)典的納什均衡，而每個個體的習慣、認知和策略都會影響實際勝率。比如你和對手很熟悉，那么你可能知道他（她）經(jīng)常出布，因此可以多出剪刀來克制?？蒲袌F隊提出的AI模型就是利用了類似的原理，證明了“石頭剪刀布”真的存在針對不同個體的長期制勝策略，可以有效提高勝率。

這套AI模型基于n-階馬爾可夫鏈設計，擁有記憶性，能夠向前追溯最多n個歷史狀態(tài)并加以利用。為了增加AI的勝率，研究團隊還針對人類玩家的不同性格和策略發(fā)明了一套Multi-AI模型。這套模型含有多個錦囊，如果人類玩家連續(xù)勝利，就會促使Multi-AI轉(zhuǎn)向選擇其他AI模型的更優(yōu)解。如果人類玩家連續(xù)失敗，大概率會轉(zhuǎn)換策略，或者打破之前的出拳規(guī)律，這時Multi-AI也可以隨之調(diào)整。所以，人類玩家最終大概率還是會輸。

由此可見，玩“石頭剪刀布”，人類確實玩不過AI，因為AI足夠聰明，它總能根據(jù)既往數(shù)據(jù)和當前對手的特點，找到人類玩家的漏洞，進而取勝。但是，你認為AI僅僅用于“石頭剪刀布”嗎？其實它的用處太多了，它可以是一個很厲害的循環(huán)制衡模型分析師，未來有望拓展到其他博弈場景，比如預測競爭對手的下一步舉動、規(guī)劃更有效的競選策略，或者制訂更有利的定價方案等。