Πώς να κερδίζετε πάντα στο Rock, Paper, Scissors. Πώς να κερδίσετε στο Rock-Paper-Scissors; (εφαρμογή της βέλτιστης στρατηγικής στο Wolfram Mathematica)

Μετάφραση από ανάρτηση του Jon Mcloone, διευθυντή διεθνών επιχειρήσεων και στρατηγικής ανάπτυξης της Wolfram Research. Αρχική ανάρτηση: Πώς να κερδίσεις στο Rock-Paper-Scissors
Λήψη ανάρτησης ως έγγραφο Mathematica

Από μαθηματική άποψη, το παιχνίδι βράχου-χαρτί-ψαλίδι (βλ. παράρτημα 1 στο τέλος) δεν είναι ιδιαίτερα ενδιαφέρον. Η στρατηγική ισορροπίας Nash είναι πολύ απλή: τυχαία και εξίσου πιθανό να διαλέξετε από τρεις επιλογές και δεδομένου ενός μεγάλου αριθμού παιχνιδιών, ούτε εσείς ούτε ο αντίπαλός σας μπορείτε να κερδίσετε. Αν και, κατά τον υπολογισμό της στρατηγικής με τη βοήθεια ενός υπολογιστή, είναι ακόμα δυνατό να νικήσετε ένα άτομο μετά από μεγάλο αριθμό παιχνιδιών.

Η εννιάχρονη κόρη μου μού έδειξε ένα πρόγραμμα που δημιούργησε με το Scratch που κέρδιζε κάθε φορά, απλώς παρακολουθώντας ποια επιλογή έκανες πριν κάνεις τη δική σου! Αλλά θα σας παρουσιάσω μια απλή λύση που κερδίζει έναν άνθρωπο σε πέτρα-χαρτί-ψαλίδι χωρίς να απατάει.

Δεδομένου ότι κάποιος που κάνει πάντα μια εντελώς τυχαία επιλογή δεν μπορεί να νικηθεί, θα βασιστούμε στο γεγονός ότι οι άνθρωποι δεν είναι πολύ τυχαίοι. Εάν ο υπολογιστής μπορεί να εντοπίσει το μοτίβο που ακολουθείτε στις προσπάθειές σας να είστε τυχαίοι, θα είναι ένα βήμα πιο κοντά στην πρόβλεψη των μελλοντικών σας ενεργειών.

Σκεφτόμουν να δημιουργήσω έναν αλγόριθμο ως ένα από τα θέματα του μαθήματος στατιστικής μας στο πλαίσιο της έννοιας των μαθηματικών με βάση τον υπολογιστή. Αλλά το πρώτο άρθρο που έπεσα πάνω στο οποίο έψαχνα για αλγόριθμους πρόβλεψης εξέτασε τη λύση χρησιμοποιώντας μια πολύπλοκη δομή βασισμένη σε κατανομές ζευγών. Αυτή η λύση ήταν δύσκολο να κατανοηθεί από έναν μαθητή (και ίσως ακόμη και για μένα), οπότε αποφάσισα να αναπτύξω μια απλούστερη λύση που θα μπορούσα να εξηγήσω με απλά λόγια. Και παρόλο που έχει ήδη αναπτυχθεί στο παρελθόν, είναι πολύ πιο διασκεδαστικό να δημιουργείς πράγματα με τον δικό σου τρόπο παρά να τα βρίσκεις έτοιμη υλοποίηση.

Για να ξεκινήσουμε, πρέπει απλώς να μπορούμε να ξεκινήσουμε το παιχνίδι. Εκείνη την εποχή, είχε ήδη αναπτυχθεί και διαθέσιμο ένα demo που σας επιτρέπει να παίζετε rock-paper-scissors, αλλά δεν ήταν ακριβώς αυτό που χρειαζόμουν, έτσι έγραψα τη δική μου έκδοση. Αυτό το σημείο δεν απαιτεί πολλές εξηγήσεις:

Ως επί το πλείστον, αυτός ο κώδικας περιγράφει τη διεπαφή χρήστη και τους κανόνες του παιχνιδιού. Ολόκληρη η στρατηγική του προγράμματος αναπαραγωγής υπολογιστή περιέχεται σε αυτήν τη λειτουργία:

Όπου 1 αντιστοιχεί σε πέτρα, 2 σε χαρτί και 3 σε ψαλίδι. Αυτή είναι η βέλτιστη λύση. Ανεξάρτητα από το πώς παίζετε, θα κερδίσετε τόσα παιχνίδια όσα και ο υπολογιστής και το ποσοστό νίκης σας θα κυμαίνεται γύρω στο μηδέν.

Έτσι τώρα θα ήταν ενδιαφέρον να ξαναγράψουμε τη συνάρτηση επιλέξτε Μετάβασηγια να κάνετε μια πρόβλεψη σχετικά με την επιλογή σας χρησιμοποιώντας τα πρόσφατα δεδομένα παιχνιδιών που είναι αποθηκευμένα στη μεταβλητή ιστορία. Το πρώτο βήμα είναι να αναλύσετε τις επιλογές που έγιναν κατά τη διάρκεια των τελευταίων αγώνων και να βρείτε όλες τις εμφανίσεις οποιασδήποτε σειράς. Παρατηρώντας τι έκανε ένα άτομο σε κάθε επόμενο παιχνίδι, μπορούμε να εντοπίσουμε ένα συγκεκριμένο μοτίβο συμπεριφοράς.

Το πρώτο όρισμα για τη συνάρτηση είναι το ιστορικό παιχνιδιών του παρελθόντος. Για παράδειγμα, στο παρακάτω σύνολο δεδομένων, ο υπολογιστής (δεύτερη στήλη, το δεύτερο στοιχείο κάθε υπολίστας) μόλις έπαιξε χαρτί (που αντιστοιχεί στον αριθμό 2) με μια πέτρα που παίζεται από ανθρώπους (αριθμός 1). Αυτό φαίνεται από το τελευταίο στοιχείο της λίστας. Μπορεί επίσης να φανεί ότι αυτή η κατάσταση έχει ήδη συμβεί δύο φορές, και τις δύο φορές η επόμενη κίνηση του ατόμου ήταν και πάλι μια πέτρα.

Το δεύτερο όρισμα είναι ο αριθμός των στοιχείων πρόσφατου ιστορικού προς αναζήτηση. Σε αυτήν την περίπτωση, ο αριθμός 1 μεταβιβάζεται ως όρισμα στη συνάρτηση, η οποία αναζητά τα δεδομένα μόνο για εμφανίσεις του (1,2). Αν επιλέξουμε 2, τότε η συνάρτηση θα αναζητήσει εμφανίσεις της ακολουθίας (3,2), (1,2) και θα επιστρέψει μια κενή λίστα, αφού τέτοια ακολουθία δεν έχει ξανασυναντηθεί.

τρίτο επιχείρημα, Ολα, υποδηλώνει ότι τόσο οι ανθρώπινες κινήσεις όσο και οι κινήσεις του υπολογιστή πρέπει να ταιριάζουν με τις επιθυμητές ακολουθίες. Το όρισμα μπορεί να αλλάξει σε 1 για να εξετάσει μόνο το ιστορικό κινήσεων του ανθρώπου (δηλαδή υποθέτοντας ότι η ανθρώπινη επιλογή εξαρτάται μόνο από τις προηγούμενες κινήσεις του) ή 2 για να κοιτάξει μόνο τη δεύτερη στήλη, δηλαδή το ιστορικό κινήσεων του υπολογιστή (δηλ. υποθέτοντας ότι το άτομο ανταποκρίνεται στις προηγούμενες κινήσεις του υπολογιστή, ανεξάρτητα από τις κινήσεις που έκανε ο ίδιος και, επομένως, ανεξάρτητα από το αν κέρδισε ή έχασε).

Για παράδειγμα, σε αυτή την περίπτωση, διαπιστώνουμε ότι το άτομο επέλεξε μετά την πέτρα, ανεξάρτητα από το τι διάλεξε ο υπολογιστής στα ίδια παιχνίδια.

Με μεγάλο όγκο δεδομένων, μπορούμε να τα βγάλουμε πέρα ​​μόνο με το επιχείρημα Ολα, και το πρόγραμμα θα είναι σε θέση να αποφασίσει μόνο του ποιων κινήσεων, υπολογιστή ή ανθρώπου, είναι πιο σημαντικές. Για παράδειγμα, εάν το ιστορικό κινήσεων ενός υπολογιστή αγνοηθεί από έναν άνθρωπο κατά τη διάρκεια της επιλογής, τότε το σύνολο δεδομένων που λαμβάνεται για οποιοδήποτε ιστορικό μετακίνησης υπολογιστή θα έχει την ίδια κατανομή με οποιοδήποτε άλλο ιστορικό μετακίνησης υπολογιστή, υπό την προϋπόθεση ότι υπάρχουν αρκετά δεδομένα από προηγούμενα παιχνίδια. Πραγματοποιώντας αναζήτηση σε όλα τα ζεύγη παιχνιδιών, έχουμε το ίδιο αποτέλεσμα σαν να επιλέγαμε πρώτα δεδομένα στο ιστορικό κινήσεων του υπολογιστή και μετά να χρησιμοποιούσαμε αυτό το υποσύνολο για τη συνάρτηση που φαίνεται παραπάνω. Το ίδιο θα συμβεί αν έχει σημασία μόνο το ιστορικό των κινήσεων του υπολογιστή. Ωστόσο, η ξεχωριστή αναζήτηση βάσει και των δύο αυτών παραδοχών μπορεί να αποφέρει καλύτερες αντιστοιχίσεις ιστορικού και αυτό είναι πιο εμφανές όταν το σύνολο δεδομένων του παιχνιδιού είναι αρχικά μικρό.

Έτσι, από αυτούς τους δύο ελέγχους, μπορούμε να βρούμε ότι ο πρώτος δίνει βαθμολογία 100% ότι η επόμενη επιλογή του ατόμου θα είναι μια πέτρα και ο δεύτερος δείχνει ότι με πιθανότητα 75% το άτομο να επιλέξει μια πέτρα και με πιθανότητα 25% - ψαλίδι.

Και εδώ είμαι κάπως ακινητοποιημένος στην επίλυση του προβλήματος.

Σε αυτή την περίπτωση, οι δύο προβλέψεις είναι τουλάχιστον λίγο πολύ κοντά στα αποτελέσματα, αν και αποκλίνουν στις αριθμητικές τιμές των πιθανοτήτων. Αλλά αν κοιτάζετε τρεις «φέτες» δεδομένων με μια σειρά διαφορετικών μηκών ιστορικού και τα αποτελέσματα των προβλέψεων είναι ασυνεπή - πώς τα συνδυάζετε;

Έβαλα μια σημείωση σχετικά με αυτό το πρόβλημα στον φάκελο "Blog it" και το ξέχασα μέχρι πριν από μερικές εβδομάδες, όταν υπήρξε μια διαφωνία σχετικά με το πώς να καλύψουμε την έννοια της "στατιστικής σημασίας" σε ένα μάθημα μαθηματικών με βάση τον υπολογιστή.

Συνειδητοποίησα ότι το ερώτημα δεν είναι πώς να συνδυάσουμε τις προκύπτουσες προβλέψεις, αλλά πώς να προσδιορίσουμε ποια από τις προβλέψεις είναι η πιο σημαντική. Μία από τις προβλέψεις μπορεί να είναι πιο σημαντική από τις άλλες επειδή αντικατοπτρίζει μια ισχυρότερη τάση ή ίσως βασίζεται σε ένα μεγαλύτερο σύνολο δεδομένων. Δεν είχε σημασία για μένα, οπότε χρησιμοποίησα την τιμή p του τεστ σημαντικότητας (με τη μηδενική υπόθεση ότι και οι δύο παίκτες έπαιζαν τυχαία) για να παραγγείλω τις προβλέψεις.

Νομίζω ότι πρέπει να ακούσω τους δικούς μας πρώτη αρχήότι το πρώτο βήμα για την επίλυση οποιουδήποτε μαθηματικού προβλήματος είναι «η σωστή ερώτηση».

Τώρα, αν πάρουμε το τελευταίο αποτέλεσμα που πήραμε, αποδεικνύεται ότι η καλύτερη πρόβλεψη είναι μια πέτρα που έχει τιμή p 0,17. Αυτό σημαίνει ότι με πιθανότητα μόνο 0,17, τα δεδομένα που χρησιμοποιούνται για αυτήν την πρόβλεψη αποκλίνουν από μια διακριτή ομοιόμορφη κατανομή ( DiscreteUniformDistribution[(1,3)]), περισσότερο τυχαία παρά από οποιοδήποτε συστηματικό σφάλμα, ανθρώπινο ή άλλο, που θα μπορούσε να αλλάξει την κατανομή.

Όσο μικρότερη είναι αυτή η τιμή p, τόσο πιο σίγουροι μπορούμε να είμαστε ότι έχουμε βρει το πραγματικό πρότυπο συμπεριφοράς. Έτσι κάνουμε απλώς προβλέψεις για διαφορετικά μήκη ιστορικού και τμήματα δεδομένων και επιλέγουμε την πρόβλεψη με τη μικρότερη τιμή p.

Και κάνουμε μια επιλογή που θα νικήσει την επιλογή ενός ατόμου.

Εδώ βλέπετε το αποτέλεσμα. Μπορείτε να το κατεβάσετε και να το δοκιμάσετε μόνοι σας από τον ιστότοπο Wolfram Demonstrations.

Όταν το πρόγραμμα έχει πολύ λίγα δεδομένα, παίζει τυχαία, οπότε ξεκινάτε εξίσου. Στην αρχή, όταν αρχίζει να μαθαίνει, παίρνει μερικές ηλίθιες αποφάσεις, για να μπορέσετε να προχωρήσετε. Αλλά μετά από 30-40 παιχνίδια, αρχίζει να παίρνει πραγματικά ουσιαστικές προβλέψεις και θα δείτε το ποσοστό νικών σας να πέφτει στην αρνητική περιοχή και να μείνετε εκεί.

Φυσικά, μια τέτοια λύση είναι καλή μόνο ενάντια στις πρωτόγονες προσπάθειες να εμφανιστούν τυχαία. Η προβλεψιμότητα του τον κάνει επιρρεπή στις ήττες απέναντι σε μια καλά υπολογισμένη και καλά σχεδιασμένη στρατηγική. Είναι εξαιρετικά ενδιαφέρον να προσπαθήσουμε να νικήσουμε αυτό το πρόγραμμα με τη βοήθεια της διαίσθησης. Είναι πιθανό, αλλά αν σταματήσετε να σκέφτεστε ή σκεφτείτε πολύ σκληρά, σύντομα θα μείνετε πίσω. Φυσικά, ένα πρόγραμμα θα μπορούσε εύκολα να το κάνει αυτό εφαρμόζοντας τον ίδιο αλγόριθμο για να προβλέψει την επόμενη κίνηση αυτού του προγράμματος.

Αυτή η προσέγγιση οδηγεί στην αρχή ενός είδους «αγώνα όπλων», ενός διαγωνισμού για τη συγγραφή αλγορίθμων που θα νικήσουν τον αλγόριθμο του αντιπάλου με ψαλίδι, και ο μόνος τρόπος για να σταματήσει αυτό είναι να επιστρέψετε στη στρατηγική ισορροπίας Nash, επιλέγοντας διά μέσου ΤυχαίοςΑκέραιος[(1,3)].

Προσθήκη 1
Σε περίπτωση που δεν ξέρετε πώς να παίξετε αυτό το παιχνίδι, οι κανόνες είναι οι εξής: επιλέγετε πέτρα, ψαλίδι ή χαρτί χρησιμοποιώντας μία από τις τρεις χειρονομίες που εμφανίζονται ταυτόχρονα από εσάς και τον αντίπαλό σας. Ο βράχος χτυπά το ψαλίδι (κάνοντάς το αμβλύ), το ψαλίδι χτυπά το χαρτί (το κόβουν) και το χαρτί χτυπά το βράχο (το τυλίγει). Ο νικητής παίρνει έναν βαθμό, σε περίπτωση ισοπαλίας και οι δύο παίκτες δεν παίρνουν βαθμούς.

Σας ευχαριστούμε για τη βοήθειά σας στη μετάφραση αυτής της ανάρτησης.

Ένας Θεός ξέρει μόνο πόσες αμφιλεγόμενες καταστάσεις στην παιδική ηλικία επιλύθηκαν με τη βοήθεια του παιχνιδιού Rock, Paper, Scissors. Γιατί υπάρχουν πιτσιρίκια, γεμάτα ενήλικα παιδιά που βρίσκουν μια εύκολη διέξοδο μέσα σε λίγα δευτερόλεπτα και ένα πεταμένο σημάδι. Τι κρύβεται λοιπόν πίσω από το ανεπιτήδευτο πέταγμα από τα δάχτυλα: μια θέληση τύχης ή μια καλά μελετημένη στρατηγική; Οι επιστήμονες γνωρίζουν σταθερά την απάντηση και δίνουν τη νικηφόρα συνταγή τους.

Μόλις πρόσφατα, μια ομάδα Κινέζων ερευνητών από το Πανεπιστήμιο Zhejiang ανακοίνωσε τα τολμηρά ευρήματα των ψυχολογικών τους τεστ στον κόσμο. Οι επιστήμονες από τον Δεκέμβριο του 2010 έως τον Μάρτιο του τρέχοντος διεξήγαγαν 5 πειραματικούς κύκλους. Κάθε κύκλος περιλάμβανε 12 συνεδρίες με 6 συμμετέχοντες. Συνολικά, ο συνολικός αριθμός των θεμάτων έφτασε τα 360 άτομα. Η αναλογία φύλων ήταν 217:143 με γυναικεία κυριαρχία (απλώς τα κορίτσια ήταν πιο ενεργά στην ηχογράφηση). Ένας φοιτητής ή μεταπτυχιακός φοιτητής μπορούσε να συμμετάσχει στη μελέτη μόνο μία φορά.

Οι άνθρωποι δεν βλέπονταν ο ένας τον άλλον, μπροστά στις οθόνες της οθόνης. Έτσι, αποκλείστηκε η λεκτική και οπτική επαφή. Καθένας από τους συμμετέχοντες πέρασε από μιάμιση έως δύο ώρες σε 300 παιχνίδια με έναν τυχαίο αντίπαλο. Το κίνητρο για να κερδίσετε ήταν μια μικρή χρηματική ανταμοιβή για κάθε γύρο που κερδίζατε. Και ιδού τα συμπεράσματα από αυτό...

Τι πρέπει να γνωρίζετε λοιπόν για να κερδίσετε; Αφού παρατήρησαν έναν τεράστιο αριθμό «μάχων», οι επιστήμονες διαπίστωσαν ότι ο παίκτης που νίκησε τον αντίπαλό του στο τρέχον παιχνίδι ήταν πιο πιθανό να επαναλάβει τις ενέργειές του στον επόμενο γύρο και λιγότερο πιθανό να αλλάξει κάτι.

Από την άλλη, εάν ένας παίκτης χάσει δύο ή περισσότερες φορές στη σειρά, θα σταματήσει να δείχνει έναν αποτυχημένο συνδυασμό και θα προσπαθήσει να σπάσει ακριβώς το σημάδι που μόλις επέτρεψε στον αντίπαλό του να τον νικήσει.

Έτσι, αν ο παίκτης Α βρισκόταν σε σερί ήττας και ο παίκτης Β είχε μόλις κυλήσει το ψαλίδι και έτσι έκοψε το χαρτί του Α, τότε ο Α πιθανότατα θα κυλούσε μια πέτρα, η οποία θα έδινε μια καλή πιθανότητα να κερδίσει, αφού ο Β πιθανότατα θα έμενε στην ίδια νίκη. τακτική. Η ψυχολογία της συμπεριφοράς είναι απλή: αν κερδίσεις, δεν αλλάζεις, αν χάσεις, αλλάζεις.

Χαμένος? Ρίξτε το σημάδι που κερδίζει το τελευταίο νικητήριο σημάδι του αντιπάλου σας.

Κέρδισε? Μην συνεχίσετε να δείχνετε το ίδιο σημάδι, αντίθετα, διπλώστε το τελευταίο σύνθετο συνδυασμό του ηττημένου αντιπάλου σας.

Ακόμα δεν είναι εντελώς σαφές; Ακολουθούν μερικές στρατηγικές νίκης που θα σας βοηθήσουν να παραμείνετε ανίκητοι:

Αν κέρδισες το τελευταίο παιχνίδι...

Αν έχασες στο τελευταίο παιχνίδι (και ο αντίπαλος δεν γνωρίζει αυτήν την τεχνική) ...

• ... αφού πετάξεις μια πέτρα, πήγαινε στο ψαλίδι στον επόμενο αγώνα
• ... αφού πετάξετε το ψαλίδι, πηγαίνετε στο χαρτί στον επόμενο αγώνα
• ... αφού πετάξεις το χαρτί, πήγαινε στην πέτρα στον επόμενο αγώνα

Αν έχασες το τελευταίο παιχνίδι (και ο αντίπαλός σου γνωρίζει αυτήν την τεχνική)...

• ... αφού πετάξετε μια πέτρα, πηγαίνετε στο χαρτί στον επόμενο αγώνα
• ... πετώντας το ψαλίδι, πήγαινε στην πέτρα στον επόμενο αγώνα
• ... αφού πετάξεις το χαρτί, πήγαινε στο ψαλίδι στον επόμενο αγώνα

Μπορείτε να μάθετε περισσότερα σχετικά με τη μεθοδολογία για τη διεξαγωγή έρευνας, που παρέχεται από Κινέζους επιστήμονες στο κοινό. Φυσικά, είναι σχεδιασμένο στα αγγλικά και περιέχει διατάξεις και τύπους που είναι ακατανόητες για άτομα μακριά από τα μαθηματικά.

Και εν κατακλείδι, θα προσθέσω ότι το φταίξιμο για τα χαμένα αυτοκίνητα, σπίτια και συζύγους σε «πέτρα, ψαλίδι, χαρτί», πρώτα απ 'όλα, πρέπει να βαρύνει το πάθος σας και όχι τα κινέζικα μυαλά και τον συγγραφέα αυτών. γραμμές.

ΜΠΕΝΙΑΜΙΝ ΤΖΕΪΜΣ ΝΤΑΪΣΟΝ,καθηγητής ψυχολογίας στο Βρετανικό Πανεπιστήμιο του Sussex, συν-συγγραφέας της μελέτης "Η επιρροή των αρνητικών αποτελεσμάτων στη λήψη παράλογων αποφάσεων στο παιχνίδι" Rock, paper, scissors ":

1 ___________

Μια μέρα είδα δύο φοιτητές που έγραφαν τη διατριβή μου να παίζουν βράχο, χαρτί, ψαλίδι μπροστά στο γραφείο μου για να καθορίσω ποιος θα πήγαινε πρώτος. Ένας από αυτούς ήταν σίγουρος για τη νίκη του, ρώτησα γιατί, αρχίσαμε να εξετάζουμε πιθανές στρατηγικές και τελικά γράψαμε μια ολόκληρη μελέτη μαζί. Ήμασταν περίεργοι να αποδείξουμε ότι τα συναισθήματα επηρεάζουν τη λήψη αποφάσεων σε αυτό το παιχνίδι και να δείξουμε πώς. Δεν θέσαμε στον εαυτό μας στόχο να μάθουμε να κερδίζουμε πάντα, αλλά στην πορεία ανακαλύψαμε ποιες συμπεριφορές συμβάλλουν σε αυτό. Για παράδειγμα, στον πρώτο γύρο, οι περισσότεροι παίκτες επιλέγουν ασυνείδητα μια πέτρα. Δεν είναι καν ότι συνδέεται με την αξιοπιστία - απλά ξεκινάμε το παιχνίδι με αυτή τη χειρονομία όταν κουνάμε τις γροθιές μας. Επομένως, στο πρώτο άλογο είναι καλύτερο να "πετάξετε" το χαρτί.

2 ___________

Ο μέσος άνθρωπος κάνει αυτό: αν το αντικείμενο κερδηθεί, η ευφορία της νίκης σε κάνει να ποντάρεις ξανά σε αυτό - μας αρέσει να κάνουμε πράγματα για τα οποία ανταμείβουμε. Και το αντίστροφο, ποντάροντας στο ψαλίδι και χάνοντας, στον επόμενο γύρο πιθανότατα θα αλλάξετε τακτική επιλέγοντας ένα πιο δυνατό αντικείμενο - μια πέτρα. Στην πραγματικότητα, πρέπει να ακολουθήσετε αυτό που επιλέγει ο αντίπαλος. Εάν έχασε, επαναλάβετε το στοιχείο του στον επόμενο γύρο και αν κέρδισε, ποντάρετε σε ένα πιο δυνατό.

3 ___________

Το να ενεργείς στη συμπεριφορά του αντιπάλου σου είναι μια έξυπνη στρατηγική, αλλά τι γίνεται αν ο αντίπαλός σου έχει καταλάβει τι κάνεις και προσπαθεί να ταιριάξει; Τότε το παιχνίδι γίνεται πολύ πιο δύσκολο. Σε αυτήν την κατάσταση, υπάρχει μόνο ένας τρόπος για να προστατευτείτε από την απώλεια - τυχαία ανακατεύοντας στρατηγικές έτσι ώστε οι ενέργειές σας να μην είναι προβλέψιμες. Μια φορά μπορείς ακόμη και συγκεκριμένα να υποκύψεις.

3 ___________

Στόχος μας δεν ήταν να μάθουμε στους ανθρώπους πώς να απατούν, αλλά να τους κάνουμε να επανεξετάσουν αποφάσεις που υπαγορεύονταν από τα συναισθήματα. Τόσο η αποτυχία όσο και η νίκη μας κάνουν ευάλωτους με τον δικό μας τρόπο. Το λάθος που περιγράφεται στη μελέτη μας επαναλαμβάνεται συχνά από τους παίκτες της ρουλέτας, ακολουθώντας ασυνείδητα την αρχή του martingale: έχοντας ποντάρει σε μαύρο ή κόκκινο και κερδίσει, συνεχίζουν πεισματικά να ποντάρουν μόνο στο «τυχερό» χρώμα και γρήγορα χρεοκοπούν. Οι επαγγελματίες παίκτες πόκερ γνωρίζουν ότι ακόμα κι αν χάσετε, μπορείτε να κερδίσετε εάν διατηρήσετε την ψυχραιμία σας.

5 ___________

31 συμμετέχοντες στη μελέτη έπαιξαν Rock, Paper, Scissors 6975 φορές - ο αντίπαλος ήταν ένα πρόγραμμα υπολογιστή που λειτουργούσε σύμφωνα με μια μικτή στρατηγική ισορροπίας. Έχοντας παίξει μια "ισοπαλία", οι παίκτες αρχίζουν να συμπεριφέρονται σαν να είχαν χάσει, επειδή σε υποσυνείδητο επίπεδο, η "ισοπαλία" εκλαμβάνεται ως ήττα. Παίκτες από 196 χώρες συμμετείχαν στο Διεθνές Πρωτάθλημα Rock, Paper, Scissors, που πραγματοποιήθηκε στις 16 Απριλίου στην Green Man Pub του Λονδίνου.

Το «Βράχος, χαρτί, ψαλίδι» είναι ένα παιχνίδι γνωστό σε όλους από την παιδική ηλικία, έλυνε ακόμα και τις πιο σοβαρές αντρικές διαφωνίες. Πάντα πίστευα ότι αυτό το παιχνίδι βασίζεται στην τύχη, αλλά αυτό απέχει πολύ από την περίπτωση. Σήμερα "Τόσο απλό!"θα σας αποκαλύψει μερικά μικρά μυστικά που θα σας επιτρέψουν να κερδίζετε πάντα σε αυτό το παιχνίδι. Και μετά θα καβαλήσεις στο μπροστινό κάθισμα, και κάποιος άλλος θα τρέξει για μια μπύρα.

Το μυστικό για να κερδίσεις Rock, Paper, Scissors

Αν έχετε ήδη ξεχάσει τους κανόνες, να σας θυμίσω: η πέτρα σπάει το ψαλίδι που κόβει το χαρτί και το χαρτί σκεπάζει την πέτρα.

Μια ομάδα Κινέζων ερευνητών από το Πανεπιστήμιο Zhejiang πραγματοποίησε έναν τεράστιο αριθμό πειραμάτων και παρατηρήσεων, τα αποτελέσματα των οποίων έδειξαν κάποια μοτίβα: Ο παίκτης που νίκησε τον αντίπαλό του στο τρέχον παιχνίδι είναι πολύ πιθανό να επαναλάβει τις ενέργειές του στον επόμενο γύρο και είναι απίθανο να αλλάξει κάτι.

Από την άλλη, αν ένας παίκτης χάσει δύο ή περισσότερες φορές στη σειρά, θα σταματήσει να εμφανίζεται κακός συνδυασμόςκαι θα προσπαθήσει να σπάσει ακριβώς το σημάδι που μόλις επέτρεψε στον αντίπαλο να τον νικήσει.

Με βάση αυτό, μπορούμε να αντλήσουμε μια τέτοια στρατηγική νίκης

• Εάν χάσετε, κυλήστε το σημάδι που κερδίζει το τελευταίο σημάδι νίκης του αντιπάλου σας.
• Αν κερδίσετε, μην συνεχίσετε να δείχνετε το ίδιο πρόσημο, αντίθετα, πάσο το τελευταίο combo του ηττημένου αντιπάλου σας.

Μερικοί ακόμη σημαντικοί κανόνες

• Τις περισσότερες φορές, οι εκπρόσωποι του ισχυρότερου φύλου είναι οι πρώτοι που χρησιμοποιούν μια πέτρα, οπότε αν ο αντίπαλός σας είναι άνδρας, δοκιμάστε να ρίξετε χαρτί.
• Αν αγωνίζεσαι με έμπειρο παίκτη, υπάρχει μεγάλη πιθανότητα να προσπαθήσει να παίξει με την αφέλειά σου και να πετάξει χαρτί. Χρησιμοποιήστε ψαλίδι.
• Θυμηθείτε ότι αν ο αντίπαλός σας έχει ήδη πετάξει μια πέτρα δύο φορές στη σειρά, αυτό το άτομο μισεί να είναι προβλέψιμο και χρησιμοποιεί ψαλίδι τις περισσότερες φορές. Πέτα μια πέτρα.
• Προσέξτε τα δάχτυλα του αντιπάλου σας. Οι πιο ελαφριές κινήσεις θα σας πουν ποια κίνηση πρόκειται να χρησιμοποιήσει ο αντίπαλός σας. Όλα τα δάχτυλα είναι τεντωμένα - μια πέτρα. Όλα τα δάχτυλα είναι χαλαρά - χαρτί. Μόνο δύο δάχτυλα είναι τεντωμένα - ψαλίδι.
• Το χαρτί χρησιμοποιείται λιγότερο στο παιχνίδι - στο 29,6% των περιπτώσεων. Χρησιμοποιούν πιο συχνά ψαλίδι - 35%. Και ακόμη πιο συχνά μια πέτρα - 35,4%. Χρησιμοποιήστε το εφέ της έκπληξης.

Πείτε για αυτά τα μικρά κόλπα στα δικά σας, θα χαρεί απόλυτα που θα κερδίζει πάντα τις διαφωνίες με τους συμμαθητές του!

Παραλλαγές του παιχνιδιού "Rock, Paper, Scissors" σχεδιάστηκαν πριν από εκατοντάδες χρόνια. Όμως, όπως τα περισσότερα παιχνίδια, έτσι και αυτό είναι κάτι περισσότερο από μια τυχαία. Αυτή είναι μια μάχη προτύπων, ψυχολογίας και στατιστικών. Θέλετε να μάθετε τι έχουν να πουν τα στατιστικά, η έρευνα και οι ειδικοί για τη νίκη σε αυτό το παιχνίδι;

Ψυχολογία

Σύμφωνα με την παγκόσμια κοινοτική οργάνωση Rock, Paper, Scissors, η ιδέα του να πετάξεις έναν «βράχο» είναι μοιραία για αρχάριους. Ειδικά συχνά αυτή η κίνηση γίνεται από άνδρες. Αποδεικνύεται ότι η επιλογή μιας τέτοιας κίνησης έχει να κάνει πολύ με την ιδέα ότι η «πέτρα» εκλαμβάνεται ως «δυνατή» και «δυνατή», γι’ αυτό και οι άνδρες τείνουν να την επιλέγουν. Και αφού ο εχθρός θα μαντέψει ότι θα πετάξεις «πέτρα», πρέπει πρώτα να επιλέξεις «ψαλίδι».

Λέξη στους ερευνητές

Οι ερευνητές της θεωρίας παιγνίων στο Πανεπιστήμιο Zhejiang εξέτασαν μοτίβα που οι άνθρωποι τείνουν να επιλέγουν να παίξουν. Κατέγραψαν τα αποτελέσματα του παιχνιδιού 360 μαθητών που έπαιξαν 20.000 γύρους του παιχνιδιού. Ως κίνητρο, οι μαθητές που κέρδισαν πληρώθηκαν χρήματα.

Σε όλα τα παιχνίδια, κάθε μία από τις επιλογές επιλέχθηκε περίπου ίδιες φορές, όπως θα περίμενε κανείς. Ωστόσο, οι ερευνητές παρατήρησαν ένα σαφές μοτίβο στις τακτικές των ανθρώπων. Σύμφωνα με τους επιστήμονες, οι άνθρωποι που κέρδισαν έτειναν να καθυστερούν περισσότερο όταν επιλέγουν μια δράση. Από την άλλη πλευρά, οι μαθητές που έχασαν έτειναν να εναλλάσσονται μεταξύ ροκ, μετά ψαλιδιού και μετά χαρτιού. Εάν θέλετε να κερδίσετε με αυτά τα δεδομένα, θα εξαρτηθεί από το αν ο αντίπαλός σας το γνωρίζει. Αν όμως υποθέσουμε ότι δεν το γνωρίζει, τότε μπορούμε να πούμε με βεβαιότητα ότι θα επιλέξει ξανά την ίδια ενέργεια αν απλώς κέρδισε εναντίον σας χάρη σε αυτόν.

Παιχνίδια μυαλού

Ακριβώς όπως σε ένα παιχνίδι πόκερ, μπορείτε εύκολα να νικήσετε τον αντίπαλό σας χρησιμοποιώντας τη μακιαβελική δύναμη της πρότασης. Η παλιά τακτική του να ανακοινώνεις ποιο χέρι θα παίξεις μπορεί να είναι ένα χρήσιμο κόλπο. Εφόσον δεν παίζετε κάποιον που πραγματικά πιστεύει ότι είστε αρκετά γενναίος για να μιλήσετε για την κίνησή σας και στη συνέχεια να την κάνετε, μπορείτε να αλλάξετε την κίνηση σε αυτή που θα κερδίσει αυτή που είχατε ανακοινώσει προηγουμένως. Έτσι, αν λέτε ότι θα ρίξετε "rock", ο αντίπαλός σας χρησιμοποιεί "χαρτί". Αυτό σημαίνει ότι το «ψαλίδι» θα σου δώσει μια ισοπαλία στη χειρότερη, και μια νίκη στην καλύτερη.

Και τέλος, όταν όλα τα άλλα χάνονται, το πιο ασφαλές στοίχημά σας μπορεί να είναι το χαρτί, καθώς στατιστικά επιλέγεται μόνο το 29,6% των περιπτώσεων και όχι το 33,33% που θα περιμένατε.