如何讓機器人通過自學習的方式學會玩“石頭、剪刀、布”游戲？

劉景亞

3 K$ V/ X; y/ U$ W7 z8 Z: ?/ L
0 \  u. ]* ^6 x3 `9 t5 o8 N7 |前段時間的人機圍棋大戰賺足了人們的眼球，Google公司的AlphaGO也使機器學習和深度學習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。
現在我們從簡單問題入手，如何基于機器學習，通過自學習的方式讓機器人學會玩“石頭、剪刀、布”游戲？
. w$ i; y" }# ]) f& f2 a不知大家有何建議？歡迎大家發言參加討論。
) r" m9 y& u9 n  g/ g*******************************************************************************************
& ?. T/ x4 w! k分割線以上為原貼
*******************************************************************************************
4 ~9 [/ {( m1 B( H非常感謝各位大俠的參與和討論。
關于機器人玩“石頭、剪子、布”游戲，我本打算分三個問題和步驟和大家一起探討。看到討論中，大家對這三個方面都有所涉及。
下面我把我對這個問題的認識拋出來與大家交流分享。
要讓一個機器人玩“石頭、剪刀、布”，我們分三步走。
. a# e) N! V# Q/ `第一步，如何讓機器人通過自學習的方式學會游戲規則？比如，一開始機器人并不知道石頭、剪子和布，哪個贏哪個，要玩游戲首先得學會規則。當然要實現這一步，有比較簡單的辦法，最直接的是程序員編程時，直接定義這個規則，這是以前經常用的傳統的方法。現在我們想通過一種新的方法來實現，讓機器人像小孩一樣，通過不斷地實踐、摸索和總結掌握這個規則，也就是自學習和機器學習。
第二步，如何讓機器人在掌握規則后大概率獲勝？
8 A+ J+ T, {8 H9 F0 X: l第三步，能不能通過一種方法，使機器人在每局對戰時100%獲勝？
*****************************************************************************************
關于第一步，可以用如下方法實現：讓機器人和人對戰，在對戰的實踐過程中訓練機器人，使其不斷自學習以掌握規則。在對戰，人始終隨機出，機器人一開始并不知道規則，也隨機出。贏了有獎勵，輸了有懲罰，隨著對戰次數的增多，機器人就會對出拳的種類形成“價值判斷”。在訓練過程中，機器人會反復判斷，是隨機出還是基于已經學到的部分知識。經過不斷訓練，機器人就會學會游戲規則。這個過程區別于以往的程序員直接定義，和人類的學習過程十分類似。
那么這個方法有沒有效果，我們驗證一下。
. F" a& i! v. m$ m: W6 ^下圖是我與機器人玩25局的情況，注意這個機器人一開始并不知道游戲規則。我隨機出拳，機器人一開始也隨機出，贏了獎勵，輸了懲罰。大家會發現，從第11局開始，機器人就已經完全掌握了規則。

& |* @* W1 \6 u6 d5 K



0 n; V4 j; x: }% }

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

應該上一個圖形處理系統，先分辨對面這家伙是誰，再決定怎么玩，
% K6 o/ {% K( n
人的活動，是有固定姿態的，比如下一步怎么活動，有細微表現，總結了這些姿態，就可以勝了對面的家伙，
, c  V) G9 k% I2 k+ s+ |1 [2 H
2 b" g8 m2 J% S0 x9 a3 w9 ]

crazypeanut

如果不考慮心理學因素的話，猜拳不是博弈系統，是一個純概率系統，樣本空間為（剪，石），（剪，布），（剪，剪），（石，剪），（石，布），（石，石），（布，剪），（布，石），（布，布）

3 {1 V7 v' k% n獲勝組合是（剪，布），（石，剪），（布，石），概率為1/3，相應的，平局組合和輸掉組合均為1/3

因此，如果沒有心理學算法在里面，用隨機算法隨機選擇出拳的話，獲勝幾率不會超過1/3
3 |# x5 ~9 `* w8 L8 Z
* y: ^) A7 i/ R) i8 c: ^9 T! R而將心理學因素考慮進去，就像8爺所說的，要加上圖形系統，增加了復雜性，也偏離了正道
# D0 C8 l. |- q7 B6 j
4 [$ I8 j, O* j3 {個人建議，選擇五子棋或者黑白棋作為研究對象更合適，五子棋和黑白棋應該算是最簡單的博弈系統了，棋子就黑白兩種，相對容易處理

5 ?/ h) I  j& c有人可能說井字棋更簡單，但是作為博弈系統，井子棋有不敗的策略，沒有太大的研究價值

木子12

crazypeanut 發表于 2016-4-8 18:38
, f6 [) {, i5 e+ W; _6 G- G  T如果不考慮心理學因素的話，猜拳不是博弈系統，是一個純概率系統，樣本空間為（剪，石），（剪，布），（剪 ...

- D6 D* |# S* s2 c" s/ y之前好像有一個日本的機械手，就是這么干的，動作相當靈活
( T1 z4 x1 Y4 o( W

fiyu1314

     玩石頭剪刀布沒問題。很簡單。生成1 2 3 隨機數分別代表石頭剪刀布。  自學習估計這個論壇里懂得就少了。去個程序員論壇估計能弄明白自學習的程序的都不多。頂多就是 分析下 這個人出什么的概率，和出完什么再出什么的概率。然后弄個算法分析下他會出什么的概率最大。再高科技點，就分析他出什么之前的渾身表情動作等。

冷月梧桐

這是一個隨機概率的問題，石頭，剪刀，布就是三個動作點，然后隨機輸出一個動作點就會呈現一個動作就好了，從理論上來講是完全可行的

shiqi67

樓主的意思應該是“如何讓機器人學會玩剪刀石頭布”，而不是“使機器人玩”剪刀石頭布吧……
樓上都跑偏了吧

huiyu788

可以根據對方出拳的情況，用多項式擬合，然后用多項式預測下一步對方出什么，對方每出一次拳，就修正多項式

wsxm82

用上“分歧終端機”呢，非誠勿擾里的那個