文/陈根
如果说，有一种决策的方法能跨越文化、种族和地域的限制，那么除了抽签这种纯靠运气的方式，恐怕只剩下猜拳了。
猜拳被长久地使用在生活中不需要太多思考的决策里，一般认为，玩家获胜的概率应该是一样的，即恒定的30%左右，从长远来看，这使任意玩家同样有可能赢、平或输。
这就是所谓的混合策略纳什均衡，在这种均衡中，每个参与者在每一轮中以相等的概率选择三个行动。
但事实可能并非如此，来自浙江大学的研究团队的研究发现，真正的玩家的策略看起来是随机的，但实际上是由可预测的模式组成的，狡猾的对手可以利用这些模式来获得重要的优势。
具体来说，研究团队开发了一个基于基于n-阶马尔可夫链的人工智能模型——Multi-AI，这意味着Multi-AI 拥有记忆性，能够向前追溯最多 n 个历史状态并加以利用。
研究人员将单个模型结合起来，应对人类玩家的不同性格和策略。
如果人类玩家连续胜利，就会促使 Multi-AI 转向选择其他人工智能模型的更优解。
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。
这意味着一种不同的博弈策略。
即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。
最终实验结果发现，在和52名人类玩家分别大战300回合之后，人工智能击败了95%的玩家。
由于比赛规则是赢+2分，平+1分，输不得分，且参与者均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可能性极小。
即便如此，人工智能仍然大胜人类。
在最悬殊的一场较量中，人工智能获得了198次胜利，55次平手，仅输了47次，胜率超过人类对手4倍。
当然，这项关于猜拳的最新研究，成果不仅仅是一个很厉害的猜拳人工智能，还是一个很厉害的循环制衡模型分析师，这意味着人类的竞争行为确实有规律可循，而通过使用适当的简单模型就能利用这些规律。
研究人员认为，该人工智能模型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。
（来源：陈述根本）