内容速读：

人们普遍认可 “石头-剪刀-布” 三者之间的克制关系。在和 52 名人类玩家分别大战 300 回合之后，AI 击败了 95% 的玩家。在与 AI 对战之前，参与者知道获胜会获得金钱奖励，总分越高，赢的钱越多。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，胜率超过人类对手 4 倍。如果猜拳胜负真的是随机概率，那么从统计学的角度来讲，15600 场比赛下来，AI 获得如此大优势的概率非常低。

如果说有一种解决问题的方法能跨域文化、种族和地域，那么除了抽签这种纯靠运气的方式，恐怕只剩下猜拳了。
人们普遍认可 “石头-剪刀-布” 三者之间的克制关系。“公平+随机” 的特性使其不仅是活跃气氛的小游戏，更能作为一种相对公平的解决问题的手段，广泛应用在解决分歧，决定顺序，或者确定归属的关键时刻。

更不用说，在谁洗碗、谁拖地、谁做饭之类的家务活上，猜拳自带的 “愿赌服输” 可以有效维系家庭和睦，堪称随叫随到的家庭关系调解员。

在大多数人的认知里，猜拳是随机事件，玩家获胜的概率应该是一样的且恒定在三分之一，但事实可能并非如此。

近日，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，专门用来玩猜拳游戏。在和 52 名人类玩家分别大战 300 回合之后，AI 击败了 95% 的玩家。

图 | AI 模型净胜场数变化

对于人类玩家来说，规则是赢 +2 分，平 +1 分，输不得分。在与 AI 对战之前，参与者知道获胜会获得金钱奖励，总分越高，赢的钱越多。因此玩家故意放水或者随便乱选的概率极低。

即便如此，AI 仍然大胜人类。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，胜率超过人类对手 4 倍。全部 15600 回合详尽的原始博弈数据，在论文的补充资料中给出（详见参考文献）。
如果猜拳胜负真的是随机概率，那么从统计学的角度来讲，15600 场比赛下来，AI 获得如此大优势的概率非常低。

拥有“智囊团”的Multi-AI模型

本质上来看，猜拳属于博弈问题，其背后蕴藏着经典的纳什均衡，而每个个体的习惯、认知、策略和策略变化都会影响实际胜率。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。

浙江大学何赛灵教授团队提出的 AI 模型就是利用了类似的方法，证明了猜拳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。
为了在实战中应对人类玩家的不同性格和策略，研究团队还发明了一套 Multi-AI 模型。
“建立对每个人都有效的单一模型很困难，因此我们决定将单个模型结合起来，使其能够区分和适应更多不同的竞争策略。” 研究人员在论文中解释称。
在与人类对战的第一套 Multi-AI 模型中，他们放入了 1-5 阶马尔可夫链，即 5 个独立的 AI 模型，分别参考之前 1-5 个动作。Multi-AI 会从整体上参考 5 个 AI 模型各自的决策，至于选择哪个，还要看它们最近 5 次的表现。
这里的 “最近 5 次” 被定义为一个超参数，名为 Focus length，可以视情况调整大小，实现进一步优化。在与人类对战的第二套 Multi-AI 模型中，该参数就被设为了 10。

图 | Multi-AI 模型的决策逻辑
打个比方，每一个 n 阶马尔可夫链模型就像是一位军师，各自有不同的决策标准。而 Multi-AI 模型就是司令，手底下有好多名军师组成的智囊团。做决策时，每个军师会提交自己的出拳建议，司令会根据他们过去几次（Focus Length）的表现，采纳综合分数最高的人的建议，以提高长期胜率。
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。
最终的社会实验结果反映出了这个想法的有效性。在 52 名志愿者中，只有不到 5 人击败了 AI。很多人都在最初 20-50 个回合里处于领先，但随后就被 AI 捕捉到了隐藏的行为模式，饮恨败北。
那些击败 AI 的人，胜率也只是稍微高出一些，并未拉开太大差距。

6 年前被质疑的研究

值得一提的是，在开发 AI 模型背后的算法时，研究团队阅读了 6 年前另一个浙大团队的研究成果，但使用了另一种不同的博弈策略。
相较于之前对于所有玩家数据整体以统计学的方式进行研究，这里的 Multi-AI 模型更强调针对不同玩家之间的个性差异、出拳策略，来及时的进行调控，选取当下最适宜的博弈策略。
2014 年 5 月，很多媒体都报道了一项以 “石头剪刀布” 游戏为对象的科研成果。

这项研究课题原本是 “可控实验社会博弈系统中一些非平衡统计物理问题”，但媒体和舆论关注的重点大多是 “如何提高猜拳胜率”，因此还被质疑是浪费经费。

其实不然。这项研究还被《麻省理工科技评论》评为 2014 年最佳成果（预印本）之一。

图 | 2014 年《麻省理工科技评论》的报道
论文揭示了猜拳游戏背后蕴藏着不同的行为模式，比如赢家倾向于下一轮出同样的手势，而输家倾向于改变；人们更愿意出石头等等。但更深层的主旨是探讨纳什均衡在真实博弈中是否成立，研究现实中的博弈模型框架，并且分析游戏中的宏观周期现象与微观行为基础。这其中用到的基础理论涉猎博弈论、心理学和神经科学等多个领域。
类似的，2020 年这项关于 “石头剪刀布” 的最新研究，成果不仅仅是一个很厉害的猜拳 AI，还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，或者制定更有利的定价方案等等。

“（我们发现）人类的竞争行为确实有规律可循，通过使用适当的简单模型就能利用这些规律，”研究人员在论文中总结道，“对于竞争行为模式以及如何利用它们的研究，有望让我们更好地建模，预测和适应不同的竞争模式。”