如何用機(jī)器學(xué)習(xí)練出一個(gè)玩“石頭剪刀布”的大師出來

來和機(jī)器人玩“石頭剪刀布”，體驗(yàn)被支配的快感！Reddit上一位大神用3層簡單RNN訓(xùn)練出一個(gè)“石頭剪刀布”大師，你下一把想出什么，它都能猜個(gè)差不多。采用3D打印的漂亮外殼，紐扣電池即可供電，不服來戰(zhàn)！

我們每個(gè)人都玩過石頭剪刀布，這個(gè)簡單的游戲，似乎總有人特別擅長。你總覺得自己出什么，都盡在對(duì)面的掌握之中。

終于，在你連輸N次5局3勝的比試，被彈了一頭包之后，你硬著頭皮問對(duì)面那個(gè)滿臉得意的人：“哥，你咋怎么厲害呢？”

對(duì)面一般會(huì)一臉神秘又略帶不屑地對(duì)你說一句：“你要出啥，我早都預(yù)料到了?！?/p>

近日Reddit上熱議的一個(gè)話題就是，如何用機(jī)器學(xué)習(xí)練出一個(gè)玩“石頭剪刀布”的大師出來。

也許這篇文章的作者小時(shí)候也被大神蹂躪過。他利用機(jī)器學(xué)習(xí)訓(xùn)練模型，造出了一臺(tái)會(huì)玩“石頭剪刀布”的微型機(jī)器人，它的本事就是預(yù)測對(duì)面下一次出啥。

作者表示，這個(gè)機(jī)器人在機(jī)器學(xué)習(xí)原理方面并不復(fù)雜，模型使用的網(wǎng)絡(luò)是一個(gè)小型的3層vanilla RNN（在TensorFlow/keras中訓(xùn)練），訓(xùn)練數(shù)據(jù)是兩名玩家玩”石頭剪子布”的記錄數(shù)據(jù)，將這些數(shù)據(jù)作為輸入，并預(yù)測輸出對(duì)手下一步會(huì)出什么。這些記錄數(shù)據(jù)來自roshambo.me上的真人游戲信息。

“我添加了一些周期序列的模擬數(shù)據(jù)，人們?cè)谂cAI對(duì)戰(zhàn)時(shí)很可能會(huì)嘗試的做這些事情?！?/p>

如果沒有模擬數(shù)據(jù)（易于預(yù)測），模型在測試集上的準(zhǔn)確率達(dá)到38％（相比之下，完全隨機(jī)對(duì)戰(zhàn)的勝率為33%，這么看，其實(shí)也沒強(qiáng)太多？）。

模型在較大批規(guī)模進(jìn)行訓(xùn)練時(shí)遇到了一些問題（無論是填充還是填充和屏蔽漸變）所以最后訓(xùn)練的批規(guī)模（batch_size）為1，這對(duì)于規(guī)模如此之小的網(wǎng)絡(luò)來說還是可以接受的。

更有趣的部分是，這個(gè)網(wǎng)絡(luò)能夠在一個(gè)小型微控制器上運(yùn)行。對(duì)網(wǎng)絡(luò)權(quán)重進(jìn)行量化（以8位整型數(shù)據(jù)存儲(chǔ)）可以節(jié)省一些空間，因?yàn)槭褂玫奈⒖刂破髦挥?kB RAM和16kB閃存，計(jì)算是使用軟件浮點(diǎn)數(shù)完成的，性能不是真正的問題。微控制器上運(yùn)行的C語言代碼都是定制的，不是特別復(fù)雜。

最終的實(shí)體設(shè)備大約為硬幣大?。ǖ褚恍?。使用定制的PCB板，由CR2032紐扣電池即可供電，并有一個(gè)漂亮的3D打印外殼。外形上非常接近我之前定制完成的電子骰子，所以其實(shí)工作量不是太大。