如何讓機(jī)器人通過自學(xué)習(xí)的方式學(xué)會(huì)玩“石頭、剪刀、布”游戲？

劉景亞

前段時(shí)間的人機(jī)圍棋大戰(zhàn)賺足了人們的眼球，Google公司的AlphaGO也使機(jī)器學(xué)習(xí)和深度學(xué)習(xí)讓更多的人有了一定的了解，可謂做了一次很好的科技普及。
現(xiàn)在我們從簡單問題入手，如何基于機(jī)器學(xué)習(xí)，通過自學(xué)習(xí)的方式讓機(jī)器人學(xué)會(huì)玩“石頭、剪刀、布”游戲？
不知大家有何建議？歡迎大家發(fā)言參加討論。
. H' z1 q. T6 I*******************************************************************************************
分割線以上為原貼
* Q9 l7 T6 J" R4 m9 p*******************************************************************************************
非常感謝各位大俠的參與和討論。
關(guān)于機(jī)器人玩“石頭、剪子、布”游戲，我本打算分三個(gè)問題和步驟和大家一起探討。看到討論中，大家對(duì)這三個(gè)方面都有所涉及。
/ g. ^5 o6 _5 Y& k下面我把我對(duì)這個(gè)問題的認(rèn)識(shí)拋出來與大家交流分享。
要讓一個(gè)機(jī)器人玩“石頭、剪刀、布”，我們分三步走。
' {& r9 C) ~3 n7 A1 ?第一步，如何讓機(jī)器人通過自學(xué)習(xí)的方式學(xué)會(huì)游戲規(guī)則？比如，一開始機(jī)器人并不知道石頭、剪子和布，哪個(gè)贏哪個(gè)，要玩游戲首先得學(xué)會(huì)規(guī)則。當(dāng)然要實(shí)現(xiàn)這一步，有比較簡單的辦法，最直接的是程序員編程時(shí)，直接定義這個(gè)規(guī)則，這是以前經(jīng)常用的傳統(tǒng)的方法。現(xiàn)在我們想通過一種新的方法來實(shí)現(xiàn)，讓機(jī)器人像小孩一樣，通過不斷地實(shí)踐、摸索和總結(jié)掌握這個(gè)規(guī)則，也就是自學(xué)習(xí)和機(jī)器學(xué)習(xí)。
2 V/ u9 J& s- o7 N3 L% I/ T第二步，如何讓機(jī)器人在掌握規(guī)則后大概率獲勝？
  V& f( ]4 P/ x第三步，能不能通過一種方法，使機(jī)器人在每局對(duì)戰(zhàn)時(shí)100%獲勝？
( B4 h  z8 T5 r3 B5 b*****************************************************************************************
關(guān)于第一步，可以用如下方法實(shí)現(xiàn)：讓機(jī)器人和人對(duì)戰(zhàn)，在對(duì)戰(zhàn)的實(shí)踐過程中訓(xùn)練機(jī)器人，使其不斷自學(xué)習(xí)以掌握規(guī)則。在對(duì)戰(zhàn)，人始終隨機(jī)出，機(jī)器人一開始并不知道規(guī)則，也隨機(jī)出。贏了有獎(jiǎng)勵(lì)，輸了有懲罰，隨著對(duì)戰(zhàn)次數(shù)的增多，機(jī)器人就會(huì)對(duì)出拳的種類形成“價(jià)值判斷”。在訓(xùn)練過程中，機(jī)器人會(huì)反復(fù)判斷，是隨機(jī)出還是基于已經(jīng)學(xué)到的部分知識(shí)。經(jīng)過不斷訓(xùn)練，機(jī)器人就會(huì)學(xué)會(huì)游戲規(guī)則。這個(gè)過程區(qū)別于以往的程序員直接定義，和人類的學(xué)習(xí)過程十分類似。
那么這個(gè)方法有沒有效果，我們驗(yàn)證一下。
下圖是我與機(jī)器人玩25局的情況，注意這個(gè)機(jī)器人一開始并不知道游戲規(guī)則。我隨機(jī)出拳，機(jī)器人一開始也隨機(jī)出，贏了獎(jiǎng)勵(lì)，輸了懲罰。大家會(huì)發(fā)現(xiàn)，從第11局開始，機(jī)器人就已經(jīng)完全掌握了規(guī)則。
$ h2 Y3 V% q# }
% g" h9 j- a! E' }

# V8 g) r( A7 r8 h8 D% Z4 g8 t
3 ^6 s4 I  L% f( ^, v  V4 y5 g

pacelife

這種純概率的東西，要做算法是很簡單，但是勝率要提上去不容易啊

2266998

應(yīng)該上一個(gè)圖形處理系統(tǒng)，先分辨對(duì)面這家伙是誰，再?zèng)Q定怎么玩，

人的活動(dòng)，是有固定姿態(tài)的，比如下一步怎么活動(dòng)，有細(xì)微表現(xiàn)，總結(jié)了這些姿態(tài)，就可以勝了對(duì)面的家伙，

crazypeanut

, ^# N2 E8 T" a. t, v
" K" K' p* l! q如果不考慮心理學(xué)因素的話，猜拳不是博弈系統(tǒng)，是一個(gè)純概率系統(tǒng)，樣本空間為（剪，石），（剪，布），（剪，剪），（石，剪），（石，布），（石，石），（布，剪），（布，石），（布，布）
9 H& n% y8 t% q5 z
獲勝組合是（剪，布），（石，剪），（布，石），概率為1/3，相應(yīng)的，平局組合和輸?shù)艚M合均為1/3
$ F9 u# l7 u1 {2 z& f
因此，如果沒有心理學(xué)算法在里面，用隨機(jī)算法隨機(jī)選擇出拳的話，獲勝幾率不會(huì)超過1/3

而將心理學(xué)因素考慮進(jìn)去，就像8爺所說的，要加上圖形系統(tǒng)，增加了復(fù)雜性，也偏離了正道
3 x8 G& a% K$ T7 L) K
, j* ~0 z6 o# C" J9 p- e個(gè)人建議，選擇五子棋或者黑白棋作為研究對(duì)象更合適，五子棋和黑白棋應(yīng)該算是最簡單的博弈系統(tǒng)了，棋子就黑白兩種，相對(duì)容易處理

有人可能說井字棋更簡單，但是作為博弈系統(tǒng)，井子棋有不敗的策略，沒有太大的研究價(jià)值

木子12

crazypeanut 發(fā)表于 2016-4-8 18:38
如果不考慮心理學(xué)因素的話，猜拳不是博弈系統(tǒng)，是一個(gè)純概率系統(tǒng)，樣本空間為（剪，石），（剪，布），（剪 ...

之前好像有一個(gè)日本的機(jī)械手，就是這么干的，動(dòng)作相當(dāng)靈活

fiyu1314

     玩石頭剪刀布沒問題。很簡單。生成1 2 3 隨機(jī)數(shù)分別代表石頭剪刀布。  自學(xué)習(xí)估計(jì)這個(gè)論壇里懂得就少了。去個(gè)程序員論壇估計(jì)能弄明白自學(xué)習(xí)的程序的都不多。頂多就是 分析下 這個(gè)人出什么的概率，和出完什么再出什么的概率。然后弄個(gè)算法分析下他會(huì)出什么的概率最大。再高科技點(diǎn)，就分析他出什么之前的渾身表情動(dòng)作等。

冷月梧桐

這是一個(gè)隨機(jī)概率的問題，石頭，剪刀，布就是三個(gè)動(dòng)作點(diǎn)，然后隨機(jī)輸出一個(gè)動(dòng)作點(diǎn)就會(huì)呈現(xiàn)一個(gè)動(dòng)作就好了，從理論上來講是完全可行的

shiqi67

樓主的意思應(yīng)該是“如何讓機(jī)器人學(xué)會(huì)玩剪刀石頭布”，而不是“使機(jī)器人玩”剪刀石頭布吧……
樓上都跑偏了吧

huiyu788

可以根據(jù)對(duì)方出拳的情況，用多項(xiàng)式擬合，然后用多項(xiàng)式預(yù)測下一步對(duì)方出什么，對(duì)方每出一次拳，就修正多項(xiàng)式

wsxm82

用上“分歧終端機(jī)”呢，非誠勿擾里的那個(gè)