与AI一起“石头剪刀布”

风池

自从AI出現后，在很多竞技类游戏中，人类都败给了AI，最著名的就是1997年“深蓝”击败国际象棋大师卡斯帕罗夫事件。对于AI击败人类，有些人表示不服，认为AI之所以能击败人类，是它掌握了更多的信息，能根据算法预测出人类的“套路”，如果在随机游戏中，比如“石头剪刀布”这种没有规律的游戏，AI不一定赢得过人类。事实真的是这样吗？

在人们的一般认知里，“石头—剪刀—布”三种出法随机出现，相互克制。每次出手只会有三种结果，即输、赢和平局，每次玩家获胜的概率都是三分之一。这种游戏看起来很公平，而且充满随机性，所以在生活中，当遇到问题无法解决时，人们便非常乐于通过这种小游戏来做选择。但是，这种游戏真的是随机的吗？答案是否定的。

浙江大学何赛灵教授的研究团队开发了一个基于马尔可夫链的AI模型，专门用来玩“石头剪刀布”游戏。游戏的规则是：赢了加2分，平局加1分，输了不得分。为了确保人类玩家能尽可能地按照自己的想法出拳，杜绝乱选或者放水，游戏设置了金钱奖励，总分越高，得到的奖励越多。但是，在与52个人类玩家分别大战300回合之后，AI击败了95%的玩家。在最悬殊的一场较量中，AI获得了198次胜利，55次平手，仅输了47次。实验总计进行了15600次，最终结果表明，在这个游戏中，AI大概率击败了人类玩家。如果“石头剪刀布”游戏真的是随机的，面对如此大的样本，AI根本不可能占有优势。

这里面有什么玄机吗？确实有。从本质上来看，“石头剪刀布”属于博弈问题，其背后蕴藏着经典的纳什均衡，而每个个体的习惯、认知和策略都会影响实际胜率。比如你和对手很熟悉，那么你可能知道他（她）经常出布，因此可以多出剪刀来克制。科研团队提出的AI模型就是利用了类似的原理，证明了“石头剪刀布”真的存在针对不同个体的长期制胜策略，可以有效提高胜率。

这套AI模型基于n-阶马尔可夫链设计，拥有记忆性，能够向前追溯最多n个历史状态并加以利用。为了增加AI的胜率，研究团队还针对人类玩家的不同性格和策略发明了一套Multi-AI模型。这套模型含有多个锦囊，如果人类玩家连续胜利，就会促使Multi-AI转向选择其他AI模型的更优解。如果人类玩家连续失败，大概率会转换策略，或者打破之前的出拳规律，这时Multi-AI也可以随之调整。所以，人类玩家最终大概率还是会输。

由此可见，玩“石头剪刀布”，人类确实玩不过AI，因为AI足够聪明，它总能根据既往数据和当前对手的特点，找到人类玩家的漏洞，进而取胜。但是，你认为AI仅仅用于“石头剪刀布”吗？其实它的用处太多了，它可以是一个很厉害的循环制衡模型分析师，未来有望拓展到其他博弈场景，比如预测竞争对手的下一步举动、规划更有效的竞选策略，或者制订更有利的定价方案等。