如果說有一種解決問題的方法能跨域文化、種族和地域，那麼除了抽籤這種純靠運氣的方式，恐怕只剩下猜拳了。人們普遍認可 “石頭-剪刀-布” 三者之間的剋制關係。“公平+隨機” 的特性使其不僅是活躍氣氛的小遊戲，更能作為一種相對公平的解決問題的手段，廣泛應用在解決分歧，決定順序，或者確定歸屬的關鍵時刻。
更不用說，在誰洗碗、誰拖地、誰做飯之類的家務活上，猜拳自帶的 “願賭服輸” 可以有效維繫家庭和睦，堪稱隨叫隨到的家庭關係調解員。
在大多數人的認知裡，猜拳是隨機事件，玩家獲勝的概率應該是一樣的且恆定在三分之一，但事實可能並非如此。
近日，浙江大學何賽靈教授的研究團隊開發了一個基於馬爾可夫鏈的 AI 模型，專門用來玩猜拳遊戲。在和 52 名人類玩家分別大戰 300 回合之後，AI 擊敗了 95% 的玩家。
圖 | AI 模型淨勝場數變化
對於人類玩家來說，規則是贏 +2 分，平 +1 分，輸不得分。在與 AI 對戰之前，參與者知道獲勝會獲得金錢獎勵，總分越高，贏的錢越多。因此玩家故意放水或者隨便亂選的概率極低。
即便如此，AI 仍然大勝人類。在最懸殊的一場較量中，AI 獲得了 198 次勝利，55 次平手，僅輸了 47 次，勝率超過人類對手 4 倍。全部 15600 回合詳盡的原始博弈資料，在論文的補充資料中給出（詳見參考文獻）。如果猜拳勝負真的是隨機概率，那麼從統計學的角度來講，15600 場比賽下來，AI 獲得如此大優勢的概率非常低。
擁有“智囊團”的Multi-AI模型本質上來看，猜拳屬於博弈問題，其背後蘊藏著經典的納什均衡，而每個個體的習慣、認知、策略和策略變化都會影響實際勝率。比如你和對手很熟悉，那麼你可能知道他/她經常出布，因此可以多出剪刀來剋制。
浙江大學何賽靈教授團隊提出的 AI 模型就是利用了類似的方法，證明了猜拳真的存在針對不同個體的長期制勝策略，可以有效提高勝率。這套 AI 模型基於 n-階馬爾可夫鏈設計，擁有記憶性，能夠向前追溯最多 n 個歷史狀態並加以利用。為了在實戰中應對人類玩家的不同性格和策略，研究團隊還發明了一套 Multi-AI 模型。“建立對每個人都有效的單一模型很困難，因此我們決定將單個模型結合起來，使其能夠區分和適應更多不同的競爭策略。” 研究人員在論文中解釋稱。在與人類對戰的第一套 Multi-AI 模型中，他們放入了 1-5 階馬爾可夫鏈，即 5 個獨立的 AI 模型，分別參考之前 1-5 個動作。Multi-AI 會從整體上參考 5 個 AI 模型各自的決策，至於選擇哪個，還要看它們最近 5 次的表現。這裡的 “最近 5 次” 被定義為一個超引數，名為 Focus length，可以視情況調整大小，實現進一步優化。在與人類對戰的第二套 Multi-AI 模型中，該引數就被設為了 10。
圖 | Multi-AI 模型的決策邏輯打個比方，每一個 n 階馬爾可夫鏈模型就像是一位軍師，各自有不同的決策標準。而 Multi-AI 模型就是司令，手底下有好多名軍師組成的智囊團。做決策時，每個軍師會提交自己的出拳建議，司令會根據他們過去幾次（Focus Length）的表現，採納綜合分數最高的人的建議，以提高長期勝率。如果人類玩家連續勝利，就會促使 Multi-AI 轉向選擇其他 AI 模型的更優解。如果人類玩家連續失敗，大概率會轉換策略，或者打破之前的出拳規律，這時 Multi-AI 也可以隨之調整。最終的社會實驗結果反映出了這個想法的有效性。在 52 名志願者中，只有不到 5 人擊敗了 AI。很多人都在最初 20-50 個回合裡處於領先，但隨後就被 AI 捕捉到了隱藏的行為模式，飲恨敗北。那些擊敗 AI 的人，勝率也只是稍微高出一些，並未拉開太大差距。
6 年前被質疑的研究值得一提的是，在開發 AI 模型背後的演算法時，研究團隊閱讀了 6 年前另一個浙大團隊的研究成果，但使用了另一種不同的博弈策略。相較於之前對於所有玩家資料整體以統計學的方式進行研究，這裡的 Multi-AI 模型更強調針對不同玩家之間的個性差異、出拳策略，來及時的進行調控，選取當下最適宜的博弈策略。2014 年 5 月，很多媒體都報道了一項以 “石頭剪刀布” 遊戲為物件的科研成果。
這項研究課題原本是 “可控實驗社會博弈系統中一些非平衡統計物理問題”，但媒體和輿論關注的重點大多是 “如何提高猜拳勝率”，因此還被質疑是浪費經費。
圖 | 2014 年《麻省理工科技評論》的報道論文揭示了猜拳遊戲背後蘊藏著不同的行為模式，比如贏家傾向於下一輪出同樣的手勢，而輸家傾向於改變；人們更願意出石頭等等。但更深層的主旨是探討納什均衡在真實博弈中是否成立，研究現實中的博弈模型框架，並且分析遊戲中的巨集觀週期現象與微觀行為基礎。這其中用到的基礎理論涉獵博弈論、心理學和神經科學等多個領域。類似的，2020 年這項關於 “石頭剪刀布” 的最新研究，成果不僅僅是一個很厲害的猜拳 AI，還是一個很厲害的迴圈制衡模型分析師。未來有望拓展到其他博弈場景，比如預測競爭對手的下一步舉動，規劃更有效的競選策略，或者制定更有利的定價方案等等。
“（我們發現）人類的競爭行為確實有規律可循，通過使用適當的簡單模型就能利用這些規律，”研究人員在論文中總結道，“對於競爭行為模式以及如何利用它們的研究，有望讓我們更好地建模，預測和適應不同的競爭模式。”