标签： 奇趣

随机数的漏洞一直都有，数字规律分析器也有，为什么能发现漏洞的寥寥无几呢？

奇趣编程大体想了一下，如果一个人想要具备独立研究挖掘出漏洞的能力，至少需要具体以下这些。

1、知识面广泛。奇趣编程每天坚持阅读编程、数学、前沿科学发现论文、数据分析、人工智能等各种各样的内容，而不是追剧刷视频逛电商网站。然而，毕业后还保持有阅读习惯的人已经不多了。

2、编程能力。这个是必要的，因为很多想法，需要奇趣编程自己写程序去验证，通过大数据的方式来验证自己的想法是否正确。如果用手工或肉眼来统计分析，只能分析很少量的数据。

3、维持基本生活开支。很多人连正常生活都难以维持，谈何研究，至少能保持每月收入几千元吧。

4、大块的独立空闲的不被打扰的时间。这个条件绝大多数的人不具备，除非是个人创业者，奇趣编程很幸运具有这个条件。

5、独立研究能力。研究也是有方法论的，从选方向，到规划路线，到选题，到具体的工作方法，环环相扣，任何一环搞不好都有可能导致没能产生研究成果。

6、能忍受孤独。研究随机数规律的人虽多，但因为利益的原因，是不会随便分享的，顶多在一个熟人小圈子里私下交流探讨。一个人钻研是很孤独的，能长年累月忍受孤独的人，不是和尚，就是修行者，奇趣编程就是一个具有修行之心的人。

7、深度思考。在这个物欲横流的社会，人心浮躁，大多数人已经没办法集中注意力超过十五分钟，甚至连五分钟的短视频都没能坚持看完，在短视频时代，更是助长了这种恶性循环。奇趣编程自身的经验，打坐是一种深度思考的好办法。

8、运气。一个人能不能研究出成果，也和他的运气有关。

9、感恩之心。研究出来成果之后，懂得分享，懂得感恩有意或无意中给了自己启发或帮助的人，奇趣编程正是因为具有感恩之心才获得了源源不断的灵感、启发、资讯、帮助。

10、其它。

关注奇趣编程的朋友都知道，奇趣编程已经在随机数规律上研究了很多年，过去一直用的研究方法是先人工通过图表发现随机数规律，然后针对这个随机数规律设计出相应的算法。

这个传统的方法有什么缺点呢？首先，不同来源的随机数大数据集，它的规律是不一样的。其次，需要人工去看图表寻找规律，这个过程很漫长，而且不一定能找到规律。

而人工智能就不一样了，它不管数据的来源是来自哪里，也不管随机数里面有什么规律，它只管生成神经网络然后吃进大量数据，越训练，越聪明。

人工智能的本质是什么呢？奇趣编程认为，人工智能本质上就是根据先生成一个神经网络，然后通过大数据进行统计、分析、学习，得到一张概率推断决策树，每吃多一条数据就更新一次树，吃得越多，这树决策树就越枝繁叶茂，当需要对新情况进行决策时，它就从决策树里选择胜率最大的一条分支来作为推荐的结果。

这样的话， 奇趣编程就不用挖空心思去根据图表来挖掘随机数的规律了，而是可以开发出一个人工智能，把随机数大数据集喂给它，让它自动学习识别出规律，至于它识别到什么规律，奇趣编程也不用管它，只需要看它的推荐结果胜率是否让人满意就可以了。

比如说，“正反正反反反正反正反反反正反正反反反正反正反反反”这一串数据有什么规律呢？我们肉眼观察数据很难发现，通过图表可能会观察到一条规律是“正反正反反反”重复出现，“正反正反反反,正反正反反反,正反正反反反,正反正反反反”,想挖掘出更多规律就很难了，但人工智能是不管你有什么规律，它统统无视，它只需要一个神经网络，生成一棵概率推断决策树，就能秒杀所有规律。

所以，奇趣编程开始进入人工智能程序的开发和应用阶段，欢迎研究随机数的朋友关注交流探讨。

为什么这几年人工智能越来越火？

为什么人工智能会远远优于传统的固定的算法？

我们如何利用人工智能为自己谋取稳定的盈利？

在可预见的未来，人工智能一定会普及到生活的方方面面，因此我们很有必要开始了解人工智能。今天奇趣编程和大家聊聊自己的想法。

传统的算法程度，是先固定一些步骤，然后按照预定的步骤一二三四地去执行就行，它是固定死的，遇到新的情况它不会变通。就像一个红绿灯，它是固定红灯亮多少秒，然后黄灯亮多少秒，绿灯亮多少秒，至于路上是不是一个人也没有，还是严重阻塞，它是不管的，它只管按预定的程序红黄绿轮流各亮多少秒。

这种固定的程序，优点在于易开发，缺点在于不能根据实际情况灵活变通。比如一个十字路口，方圆几百米就一辆车，还亮起红灯让车等30秒，等一个两红绿灯还好，要是一路过去有十几个红绿灯，得浪费多少时间，司机都等得很烦躁。

而现在新规划的物联网城市，是用智能红绿灯，它会根据人车流量的多少，给出相应的指导时速，你只要按这个车速行驶，一路过去每个路口都正好是绿灯亮。

奇趣编程认为，人工智能算法，它的优点在于它不是决策不是固定的，而是不断地根据当前最新的情况来重新评估各种可能情况的概率来作出最优决策。还有一个就是它是根据大数据来训练得出概率表，训练的数据越大，对每种情况可能出现的概率预判得越准确。

比如说自动驾驶的人工智能，在电脑里模拟路面随机出现一个障碍物，经过数百万次的模拟，它是可以根据这个出现的障碍物来判断接下来会出现什么情况而做出相应决策的，假如出来的是一个儿童玩具，那么大概率后面会有小孩跑出来追逐，需要紧急减速甚至刹车，如果滚出来的是一个随风飞舞的塑料袋，那么后面出现人的概率是比较小的，减速就行。

也就是说，传统程序是固定死的直接按程序预置的答案执行，而人工智能不是固定死的，是不断训练不断更新数据根据大数据来判断各种情况出现的概率来执行的。一种是非概率率的，一种是概率性的，所以我们经常在图像识别的人工智能中看到返回的结果是“猫的概率是99%，狗的概率是60%”，是用概率来描述的，而不是“这个是猫”这种非概率的描述。

前面奇趣编程和大家分享过，人类和动物在漫长的进化过程中，形成了“赢留输变”的决策基因，那么我们是否可以根据这个规律，去开发一个石头剪刀布的人工智能呢？

应该是可以的，奇趣编程大体上构思了一下，可以这样干。

首先，写一个机器人A，模拟普通人，它出动作的决策逻辑就是“赢留输变”。比如，它这次随机出了石头，赢了，它下次还是石头，如果一直赢，就一直出石头，直到输了，再随机出另一种。

然后，写一个人工智能B，模拟神经网络，它出动作的决策逻辑就是“对方赢留输变”，预判对方会出什么，然后针对对方的动作来出能赢的动作。

最后就是让两个机器人自动对打了，打一万次之后结果会如何？很值得期待，有空我再把它开发出来试下。

理论上抛硬币正反面出现的概率都是50%，奇趣编程想到，如果改变一下抛硬币的方式，是不是会有不同的结果？下面有AB两种方式请选择：

A：抛1次，如果出现正面奖励100个金币，如果出现反面奖励0个金币。

B：抛100次，如果出现正面奖励1个金币，如果出现反面奖励0个金币。

思考一下，你会选择哪个？

如果选择A，有50%的概率会得到100个金币，但也有50%的概率会得到0个金币；

如果选择B，肯定会得到50个金币左右，但肯定得不到100个，也肯定不会得到0个。

你会怎么选择呢？奇趣编程认为可以用“收益、风险、确定性、耗时”来作为决策依据。

对于A选项，收益是100或0，得到100时收益很大，得到0的风险也很大，充满了不确定性，只抛一次耗时很短。

对于B选项，收益不会是100，但也不会是0，介于50左右，风险无，非常确定可以稳赚，抛100次耗时较长。

那么我们可以看出，A选项是“牺牲安全性和确定性来换取短期高收益”，B选项是“用时间和更低的收益来消除风险和不确定性”，哪一种更优？你会选择哪一种呢？欢迎加奇趣编程交流探讨分享。

理论上抛硬币的正反面是相等的，但实际中抛硬币正反面出现的概率并不相等，为什么？奇趣编程今天和你分享。

我们仔细观察硬币可以发现它的正反面是不一样的，一面是数字，一面是花，因此硬币在垂直方向上重心是倾向于一边的，正是因为这么一点极细微的偏差，导致了真实抛币币时正反面出现的概率不一样。

我们怎么验证呢？可以拿一块橡皮泥，把正反面都按上去得到凹模，然后在凹模上填充树脂等能凝固的东西，然后把两个模挖出为的东西分别称一下，就知道哪一面的重量更大了。

对抛硬币还有一个比较容易理解错误的地方，就是虽然理论上抛硬币正反面出现的概率是一样的，比如抛1万次，正反面理论上都出现5千次，但实际上可能要抛一万多次或不到一万次时，正反面出现的次数就一样了，并不会每次都刚好在一万次时正反面出现次数相同。

在上一篇“奇趣编程|统计宝|吐钱机问题稳定提高胜率的原理[精华]”里我们说到，我们已经知道人类的决策倾向，那么我们怎么利用别人的决策倾向来为自己谋利呢？

以奇趣编程与别人玩石头剪刀布为例。每一次奇趣编程都可以根据“赢留输变”原理来预判对方下一次大概率会出什么，如果对方赢了，他会大概率倾向于继续保持出上次的动作，如果对方输了，他下次会倾向于换一个动作。既然我们已经可以预判对方大概率会出什么，那我们只需要针对人家会出的动作来选择要出什么动作就可以了。

“赢留输变”原理是普遍存在于动物界的一个决策原理，只有极少数人知道，也只有极少数人懂得利用，所以你的对手如果不知道这个原理，也不知道你懂这个原理并正在利用这个原理，那么你就可以大概率赢他。这就是一种信息不对称的打法，你开了上帝视角，而对方是瞎子，你还打不赢他吗。

同样，我们也可以把这个原理应用到其它零和博弈的东西中，只要合理利用，胜率是稳稳的操持在50%以上。

欢迎关注并联系奇趣编程，和你分享交流更多提高胜率的原理和方法。

奇趣编程通过统计宝数字规律分析器研究随机数规律时发现，只要是人工决策的东西，就必定存在某些定势或规律，这是因为人类存在着某些共同的心理倾向或思维习惯。

历史上曾经有一个困扰了科学家很久的“吐钱机问题”。

假设你走进一个房间，里面有编号“0”至“9”的十台随机吐钱的机器，但是每台机器吐钱的概率各不相同，而你又不知道哪一个机器的吐钱概率比较高，如果你想得到最多的钱，你会怎么做呢？很明显，你肯定会一台一台机器都测试一下，看每台的机器吐钱的概率是多少，然后挑出吐钱概率最高的那一台来玩。

然后你又走进另一个房间，里面只有编号为“A13579”和“B24680”两台随机吐钱的机器，你在编号为“A13579”的机器上测试了10次，吐出了6次钱，又在编号为“B24680”的机器上测试了2次，只吐出了1次钱，那么请问哪一台机器更有可能让你得到更多的钱？

奇趣编程认为，我们可以这样算，编号为“A13579”的机器上测试了10次，吐出了6次钱，出钱概率为60%；编号为“B24680”的机器上测试了2次，只吐出了1次钱，出钱概率为50%，显然大多数人会认为前者更有可能让你得到更多的钱。

但是，这样的决策过程是有问题的，因为第二台机器只测试了2次，测试的次数太少了，原则上是应该两台机器测试同样多的次数才能进行比较，因此，只测试了2次而计算出来的概率，是不能作为决策依据的，很容易失灵，你要两台都测试够10次才能进行决策。

这里还有一个隐含的问题，就是你能在这个房间里总共玩多少次，假如你最多只能玩13次，而你已经测试用掉了12次，最后的第13次你选择哪一台机器？假如你可以玩100次，那你会分别在两台机器上各测试多少次？如果你可以每天玩1000次你会先在两台机器上测试多少次还是有别的更好的解决思路？

这就引出了另一个更深层次的问题，剩余时间的价值会随着剩余时间的减少而不断提高，利用好剩余时间是我们最好的策略，那么如何合理利用剩余时间？如何最大化利用剩余时间的价值？这是一个历史上曾经困扰了科学家很久的问题。

直到1952年，哥伦比亚大学的数据学“赫伯特－罗宾斯”提出了一个可以优于碰运气的简单的策略，这个策略就是随机选择一台吐钱机，只要它不断吐钱，就一直在这台机器上玩，如果多次不吐钱了，就换另一台机器。

这个策略虽然不完美，但也优于碰运气的瞎玩，这个策略叫做“赢留输变”策略。

后来不少人进一步通过实验研究，发现这是人类决策过程中普遍存在的现象，所以又叫做“赢留输变”原则。人们研究发现，当某台机器让你获得了钱，你就会对这台机器的评估值升值，倾向于在这个已经让你盈利的机器上再玩一次，而不是冒险去一台完全没玩过的机器上去碰运气。

奇趣编程个人认为，这可能和人类进化的历程有关，因为人类是从原始动物进化来的，在人类还是原始动物时，如果在一个地方经常捕获到猎物，那么他就会倾向于下次还来这个地方，如果这个地方变得很难打到猎物了，他就会换一个地方。这是一个生存的策略，不符合这个生存策略的动物物种都已经灭绝了，符合这个生存策略的动物物种才能生存下来一直进化到今天。所以这个生存策略，是经历了几百万年的演化过程而存在于我们人类的基因里的，是所有动物界的决策策略。

既然我们已经知道人类的决策倾向，那么我们怎么利用别人的决策倾向来为自己谋利呢？我们下篇分享。

奇趣编程开发的免费、绿色、纯净、开源的随机数规律统计分析软件“统计宝”可以有效统计分析出随机数的规律。

为什么有的人用支撑位和阻力位作为低进高出的信号还是亏损？

有些人认为，任何一点进场，理论上涨跌的概率都是50%，但实际操作过程中发现，90%都是亏损，这是为什么？

奇趣编程认为，唯一的可能，就是他的时间线太短了，只看到小趋势没看到大趋势，小趋势是套在大趋势里的。比如说，15分钟和1小时这些都是小趋势，N天才算大趋势，在大趋势面前，小趋势的涨跌概率并不是50%，而是90%。

比如说，某些大趋势曲线是一个月都在上涨，而这个大趋势里，小趋势的上涨概率肯定不止50%。反之，如果某些大趋势曲线是一个月都在下跌，这个大趋势里的小趋势下跌概率也肯定不止50%。

只有用更大的视野，从高空俯瞰，才能看到大局。

奇趣编程在长期的随机数规律研究中发现，随机数的规律是不需要预测的，只需要把所有可能遇到的情况的应对策略都提前想好，就可以实现稳定盈利。

比如说，在某个指标出现什么信号时低进，在某个指标出现什么信号时高出，就可以实现赚取中间上涨空间部分的利润。

但谁也没法保证低进时一定是最低点，如果低进之后，仍然还在下跌，应该怎么应对，需要心中有数。

同样，谁也没法保证高出时一定是最高点，如果高进之后，仍然还在上涨，跟还是不跟，也需要提前做好准备，一切按预计的操作进行。

当每种情况都想好相应的对策之后，就是机械化执行，没必要再去预测随机数涨跌行情了。