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

0 d; x" M4 R9 h  f% R. v  o
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？
+ L  o( N' G6 E. h不知大家有何建議？歡迎大家發言參加討論。
*******************************************************************************************
分割線以上為原貼
*******************************************************************************************
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。
" [7 _" O$ I' [, i9 S4 K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？
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？
8 a* o8 a% Q3 V8 p# B*****************************************************************************************
: E, J. j1 }, q8 E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。
' |0 R, [% v; w% j$ C, p2 e那么這個方法有沒有效果，我們驗證一下。
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。


- [1 }0 ^. M  C" `: u; b) o. L

- T- M) w$ E6 {1 @
! @) _: x& ?. Q  D' f

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，

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，

9 c2 C& z! ^8 j* q5 S

crazypeanut

+ M; L& B" D0 [5 n, J
5 i2 m- D1 N- E3 q* C8 z9 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，剪），（石，剪），（石，布），（石，石），（布，剪），（布，石），（布，布）

$ {2 L. a0 m. B5 t3 W# `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
0 w3 G5 }4 D  _8 `" k) f) q! t
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
+ V. ?0 S8 t9 u- P" F8 R6 N
6 c# O- l$ R  J  l: p. d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
: F8 M' W( V* V, V: \& K$ r, y+ ]
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
& S% X5 s* a6 y8 G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 ...

" }# D( ]! M4 c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

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