Руководство по стратегии

Основы

Каждый раунд Камень Ножницы Бумага. Игра с нулевой суммой: камень крушит ножницы, ножницы режут бумагу, бумага накрывает камень. Каждый ход бьёт ровно один другой и проигрывает ровно одному. Игра идеально сбалансирована. Ни один бросок не сильнее по своей природе.

Эта симметрия делает равновероятный случайный выбор обоснованной базой. Повторяющиеся решения людей всё же могут содержать условные закономерности, но закономерность, замеченная в одном лабораторном дизайне, не является законом для каждого игрока или каждого матча.

Равновесие Нэша

Для стандартной матрицы выигрышей с нулевой суммой единственное равновесие Нэша в смешанных стратегиях — выбирать камень, бумагу и ножницы независимо с вероятностью 1/3 каждый. Против этой стратегии ни один соперник не может получить положительное ожидаемое значение, меняя собственную смесь.

Равновероятный случайный выбор — это страховочная база, а не обещание, что каждый короткий матч закончится вничью или что люди ему следуют. Wang et al. (2014) и Dyson et al. (2016) сообщили об условном поведении в конкретных экспериментах с повторной игрой. Эти выводы поддерживают проверку чтения под конкретного соперника; они не поддерживают допущение, что каждый победитель повторяет, каждый проигравший меняет или каждое начало тяготеет к камню.

Как пользоваться человеческими искажениями

Исследования повторной игры измерили отклонения от независимого равновероятного выбора, но их направление и величина зависят от участников, стимулов, соперника, обратной связи и числа раундов:

2. Выиграл, повтори, проиграл, смени (WSLS)

В лабораторном эксперименте 2014 года 360 студентов Чжэцзянского университета сыграли 300 раундов в группах по шесть человек со случайными парами и денежными стимулами. Исследователи смоделировали вероятности остаться и сдвинуться по циклу в зависимости от исхода и наблюдали устойчивое циклирование на уровне популяции. Это часто сводят к формуле «выиграл: повторяй, проиграл: меняй», но работа описывает более богатую систему условных ответов.

Эксперимент 2016 года, в котором 31 студент бакалавриата сыграл 225 раундов против компьютера, выбирающего равновероятно, обнаружил значимо больше смен после поражений и ничьих. Повтор после побед был лишь численной, незначимой тенденцией, и перевыбор камня тоже был незначимым. Используйте предшествующий исход как один из признаков для проверки, а не как гарантированный прогноз.

3. Боязнь повтора

Люди, намеренно создающие случайные последовательности, часто чередуют слишком много или избегают серий, но результат меняется в зависимости от задачи и инструкций. Повторный бросок сам по себе не является доказательством: три камня подряд при независимом равновероятном выборе имеют ту же вероятность, что и любая названная последовательность из трёх бросков.

Ошибки новичков, которых стоит избегать

Продвинутая тактика для соревновательной игры

Адаптивное моделирование соперника

Записывайте бросок соперника и предшествующий исход, затем сравнивайте правила-кандидаты со сбалансированной базой. Трёх-пяти раундов хватает, чтобы сформулировать гипотезу, но не чтобы установить устойчивую склонность. Продолжайте проверять и отбрасывайте чтение, если последующие броски его не подтверждают.

Гамбит

Личная заранее выбранная последовательность может сократить реактивные решения, но фиксированный сценарий из трёх бросков уязвим, если повторяется. Генерируйте или выбирайте последовательности без видимой структуры, используйте каждую не больше запланированного и не утверждайте без данных, что одна названная последовательность работает против целого класса игроков.

ИИ и алгоритмическая игра

Программа может проверить больше закономерностей-кандидатов, чем способен отследить человек, но предсказание всё равно зависит от повторяемого сигнала и честной оценки на данных вне обучающей выборки:

• Условные модели: оценивают следующий бросок по ограниченному недавнему состоянию, например по предыдущему броску и исходу. Они помогают, только пока эта зависимость сохраняется.
• Машинное обучение: подбирайте более сложные склонности только после достаточного числа примеров по конкретному сопернику, затем оценивайте на бросках, на которых модель не обучалась. Запомнить данные — не то же самое, что предсказать будущую игру.

Человек может применять ту же дисциплину с простым подсчётом: определить закономерность до того, как на неё ставить, считать успехи и неудачи и возвращаться к равновероятному случайному выбору, когда выборка неубедительна.

План тренировки «проверка и сброс»

Используйте это как фальсифицируемую тренировочную рутину, а не как утверждение обо всех соперниках:

1. Начинайте сбалансированно: делайте независимые, примерно равновероятные выборы, записывая броски соперника и предшествующие исходы.
2. Проверяйте одно чтение: когда конкретная условная склонность появляется повторно, выбирайте контрход на ограниченное число бросков и записывайте, предсказывает ли он лучше случайности.
3. Быстро сбрасывайтесь: если чтение слабеет, возвращайтесь к сбалансированной базе. Не продолжайте платить за привлекательную историю после того, как наблюдения перестали её подтверждать.

Короткие матчи содержат много выборочного шума. Оценивайте метод по многим сопоставимым решениям, держите тренировку отдельно от официальных результатов и никогда не выдавайте одну удачную догадку за доказательство мастерства.

Как выигрывать в Камень Ножницы Бумага

Обоснованная последовательность действий для повторной игры:

1. Начинайте с 1/3, 1/3, 1/3. На тренировке используйте настоящий генератор случайности, если хотите почувствовать, какова независимая равновероятная игра.
2. Сформулируйте чтение. «После поражения этот соперник выбирает ножницы» — проверяемо; «он выглядит нервным» — ещё не прогноз.
3. Допускайте серии. Независимая случайная игра естественно включает повторы, поэтому принудительная смена может создать именно ту закономерность, которая нужна сопернику.
4. Считайте каждую проверку. Записывайте промахи так же тщательно, как попадания, и требуйте больше чем горстку раундов, прежде чем считать закономерность устойчивой.
5. Сбрасывайтесь при неуверенности. Равновероятный случайный выбор защищает ожидаемое значение, когда данные о конкретном сопернике слабы или изменились.