馬可夫鏈 MARKOV CHAIN

機率工程師必備技巧!

馬可夫鏈 MARKOV CHAIN
Photo by Dan Cristian Pădureț / Unsplash

機率工程師只要融會貫通這招你就能成為高手!

首先使用Chrome無痕式視窗Google關鍵字搜尋【Markov Chain 機率工程師】,確認一下學會Markov Chain對機率工程師的重要性

馬可夫鏈

第二, 第三, 第四的搜尋結果可看出有許多博弈公司將此技能列為機率工程師應徵的條件之一, 而其中排名第一跟第五的搜尋結果是近三年前本人所寫的文章, 也就是此篇文章的舊版本, 不過當年本人撰寫該篇舊文章時還尚未看過國內博弈公司徵機率工程師有要求此條件••••••


開始說明前先附上馬可夫鏈 – WIKI連結,我想應該沒幾個讀者看得懂該連結內容, 或著是就算看得懂也沒耐心看完吧!沒關係, 以下直接用一個簡單的問題當作例子來示範如何應用馬可夫鍊

假設甲乙兩人玩猜拳, 且兩人有不同的出拳策略, 分別為
  • 甲的出拳策略 : 隨機出 30%剪刀 33%石頭 37%布
  • 乙的出拳策略 : 若上一場贏則繼續出相同的拳; 若上一場輸或平手, 則出另外兩種拳之一且機率皆為50%
問: 假設這次遊戲乙第一把出石頭, 則第五把乙出拳分配機率為何?

先各用一張圖來分析甲與乙的行為

其中乙的行為圖正是符合具有三個轉換狀態的馬可夫鏈, 所以利用馬可夫鏈定可推導出如下圖

最後本站另一篇文章二項機率分配的應用中Table5也是應用了馬可夫鏈的觀念,有興趣的讀者可以試著想想看Table5是如何應用的喔!

Read more

AI 與負責任博弈

AI 與負責任博弈

在當今的數位博弈時代,AI 已經慢慢開始帶來一些影響,例如AI可以把客製化遊戲推薦做到最佳自動化,為玩家帶來前所未有的沉浸式體驗。然而,在這項強大技術的光環之下,一個深刻的道德悖論正在浮現。 同一套用於最大化玩家參與度的演算法,也被宣傳為保護弱勢玩家、促進負責任博弈 (Responsible Gaming, RG) 的工具。這引出了一個關鍵問題:當一項技術的設計初衷是為了讓玩家持續遊玩時,它能否真正有效地保護他們免於傷害?本文將深入探討人工智慧在負責任博弈中的雙重角色,剖析其作為數位守護者的巨大潛力,同時揭示其背後潛藏的利益衝突與道德困境。 第一部分:AI 的承諾——新一代的數位守護者 傳統的負責任博弈措施多為被動式,依賴玩家的自覺,例如自行設定存款上限或申請自我排除。然而,AI 的出現徹底改變了這一模式,將玩家保護從被動回應轉變為主動預防。 數據驅動的早期預警系統 AI 的核心優勢在於其處理和分析海量玩家數據的能力。每一筆存款、每一次下注、每一次點擊以及遊戲時長,都成為 AI 演算法的分析對象。透過機器學習模型,AI 能夠識別與問題博弈相關的特定行為模式或「傷害指標」。

By 根博之樂