揚聲器 | 成績單 |
| 西丹特·卡爾馬裡 | 大家好，我是 Siddhant Karmali、Mason Chen 和 Arhan Surapaneni，我們正在努力 |
| 針對真實撲克情況優化 AKQJ 遊戲。因此，COVID-19 作為一種有效的心理健康手段，可能會惡化現有的心理健康問題。 |
| 流行病帶來的壓力，即對疾病或失去親人的恐懼，可能會影響人們的決策能力，並可能導致他們出現成癮行為。 |
| 賭博成癮就是一種由於線上賭博網站的增加而增加的行為…在線賭博網站的網站流量。 |
| 該專案分析了撲克遊戲中的不同情況如何影響人們做出非理性決策。其中包括可能導致賭博問題的情況。我們開發了一種簡化的撲克模型，僅使用 A、K、Q 和 J。 |
| 這增加了某些獲勝牌跟注的機率，我們稱之為 AKQJ，即 A、K、Q、J。 |
| 此模型中的變數包括牌值、玩家數量、下注輪數以及牌是公開的還是隱藏的。 |
| 打開牌或是的......該模型的目標是簡化完整撲克遊戲中獲勝結果的複雜機率計算。 |
| 我們將這一目標擴展到這樣的想法：由於現實生活中的撲克有不止一輪下注，我們可以證明或我們可以證明這個模型是有效的，即使在具有不同下注輪次的不同撲克變體中也是如此。 |
| 這就是專案的方式…或者這是專案的概要。首先，我們研究了情緒博彩和強迫性賭博，以及強迫性賭博的風險因素有哪些？人們如何喜歡……強迫性賭徒的想法如何？ |
| 他們為什麼賭博？所以我們發現人們會為了刺激而賭博，就像癮君子一樣…對毒品上癮的人，他們使用毒品是為了獲得快感或刺激。所以我們再... |
| 我們推斷，賭博或賭博成癮一定會觸動大腦中與回顧有關的神經…或與獎勵系統有關的神經。 |
| 然後我們...我們的技術在真實案例中使用隱藏和開放的卡片。所以隱藏牌和公開牌是…所以公開牌是玩家面朝上的牌，隱藏牌面朝下，只有玩家知道它的身分。 |
| 然後我們做了兩個單獨的演算法。有一個綜合演算法和一個最壞情況演算法。 |
| 但綜合演算法更加複雜，因為所有牌都是隱藏的，很難進行計算，而且最壞情況演算法有一些開放牌，因此玩家......或我們建模的玩家可以推斷 |
| 無論你是否下注。這就是我們的工程部分。我們使用 JMP 來模擬玩家的遊戲風格。 |
| 而且我們還用了 |
| 正如 Arhan 將要展示的那樣，Java 和 Python 程式設計產生...隨機產生卡片情況，我們計算了機率並在 JMP 中進行了相關性和回歸測試。 |
| 如此隱藏…隱藏和開放的卡片。正如我所提到的，公開牌是玩家保持面朝上以便其他玩家可以看到的遊戲牌。 |
| 隱藏的牌面朝下，只有玩家知道它的身份。綜合演算法， |
| ....這就是...通常在真正的撲克遊戲中發生的情況，玩家必須嘗試計算機率 |
| 根據他們當前的手牌，他們戰勝了另一個人，或者他們戰勝了對手。 |
| 在綜合演算法中這是很難做到的，因為所有的牌都是隱藏的，你不知道哪個玩家擁有哪張牌。而且開放的牌讓 AKQJ 遊戲更容易計算。 |
| 而隱藏牌的數量隨著下注輪數的增加而增加。所以我們做的第一個案例是一輪、六名玩家，其中有六張隱藏牌。 |
| 然後我們有一輪下注和五名玩家，其中有七張隱藏牌 |
| 等等。 |
| 早些時候，我們…或在模型中，有六名玩家被賦予標籤 A 到 F。我們為他們分配機率特徵，即他們必須下注的置信度百分比。 |
| A為0%，B為15%，C為30%，D為45%，E為60%，F為75%。 F 的機率為 75% 意味著 |
| 除非他們...除非他們有75%的把握...至少75%的把握他們會贏那個人...他們的對手，那麼他們就不會下注，所以這意味著他們非常非常他們的投注保守。 |
| 一個一般的撲克案例，也就是綜合演算法，也是最壞情況演算法。 |
| 一般方法是計算，或者，例如，如果我們試圖計算 A 贏得撲克比賽的機率，則為 |
| 根據一般方法，我們必須使用 A 的機率是 A 對 A 對 B 獲勝的機率乘以 A 對 C 獲勝的機率， |
| 一直到A對F獲勝的機率。這需要很長的時間來計算，並且在真正的撲克比賽中很麻煩，因為下注輪時間可以是45秒到一分鐘，並且沒有多少人可以在其中進行這種計算一分鐘。 |
| 所以最壞的情況......所以這就是我們開發最壞情況方法的地方。 |
| 最壞的情況...我們計算了最壞情況的結果，透過查看哪位玩家可以用他們看到的牌打出最好的牌，四張共享牌對所有玩家開放，每張隱藏牌和一張公開牌玩家。 |
| 我們在三種不同的情況下使用這兩種演算法。第一種情況是一輪下注，六名玩家。我們必須確定在哪些情況下每個玩家會棄牌或留下，以及他們會贏得或失去多少籌碼。 |
| 例如，A 留下來，即使他們失去了籌碼，因為那是 |
| ……那是我們的模特兒之一，我們...我們知道它有賭博問題，所以...所以...所以根據我們的情況，他們必須留下來。 |
| B 戰勝了 E，但沒有戰勝其他任何人。在這種情況下，C 沒有獲勝。 D 擊敗 B 和 C，並與 A 和 E 平手。 |
| E 沒有獲勝，而 F 贏得了所有…對抗所有其他玩家。請注意，因為 C 和 E 沒有獲勝，所以他們...或者因為 B 沒有獲勝足夠多，因為 C 根本沒有獲勝，並且因為 E 根本沒有獲勝，所以他們都棄牌 |
| 在下一輪下注中，他們失去了……他們失去了籌碼。所以那些留下來的人，他們是那些喜歡......考慮到這是一場比賽或一輪下注的撲克比賽， |
| 那些...最有可能獲勝的是 F，因為他們在最壞情況下獲勝的機率最高。我們可以看到，如果你轉到上一張投影片，我們可以看到玩家 A 或玩家 |
| ……或者對於六名玩家的情況，玩家 F 的總體非常接近 80%，因此我們可以...因此...因此之間存在相關性...或者之間存在很強的相關性 |
| 這 |
| AKQJ最壞情況方法和一般方法。下一個案例是一輪下注和五名玩家。在這種情況下，置信值會發生變化。 |
| A為0%，B為12%，C為25%，D為38%，F為65%。玩家E被淘汰，因為他們輸掉了最多的籌碼並且在上一輪中不得不棄牌。 |
| 在玩家較少的這一輪中，我們看到隱藏的牌較多。隱藏牌的數量隨著下注輪次和玩家數量的增加而增加。 |
| 隨著隱藏卡牌數量的增加，計算時間可能會更長，這可能會讓玩家更加緊張，不願意進行這些計算，因為他們可能會賠錢。在這種情況下，玩家 F 沒有獲勝，如下所示 |
| 最壞情況下他們獲勝的機率如何 |
| 低於他們的置信百分比，因此他們被迫棄牌。 |
| 意思是……或者這可能是因為保守的玩家可能在遊戲的後期表現不佳，因為他們，你知道，對錢太吝嗇了。即使賭注更高，他們也不會做出正確的賭注。 |
| 下一個案例是有四個玩家，我們做了這個測試來確認玩家 F 是否獲勝，我們可以......如果 F 沒有獲勝，我們可以自信地說 |
| 較保守的玩家做得不好……在遊戲的後期階段做得不好。請注意，F 必須不斷降低其獲勝機率。 |
| 我們也測試了最壞情況演算法是否適合五名玩家。一般方法中，B 有 11% 的獲勝機會，D 有 46% 的獲勝機會，F 有 48%...48% 的獲勝機會。 |
| 這非常接近最壞情況的值，因此我們得到了很強的相關性……我們得到了 R 平方為 0.998 的強相關性。 |
| 因此，這種最壞的情況使得 F 在五人比賽中獲勝的幾率為 50%。 |
| 我們還針對四名玩家進行了測試，其中... |
| 其中我們確認在四名玩家的情況下 F 將獲勝 50%。第三種情況是六名玩家進行三輪投注。在這種情況下，值是相同的。 |
| 我們加回來的 E 是 56%。然而，在第一輪 F 獲勝時，當玩家開始像 B、C 和 D 那樣棄牌時， |
| F 必須改變他們的信心程度。 |
| F 必須改變他們的置信水準以匹配一輪的獲勝機率。 |
| F的等級在第一輪後變為60%，在第二輪後變為54%。 |
| 這涉及到，就像這些是模型一樣。 |
| 這將是不自覺的， |
| 顯示保守的打法中存在緊張情緒，這會導致此類玩家在後面的幾輪比賽中失敗。 |
| 玩家 A 和 F 代表極端的遊戲風格，這可能表示有賭博問題。這是下注回合計算的快速總結。在兩輪下注或一場有兩輪彎曲的比賽中，我們會看到 F 在 20 場比賽中只贏了兩次。所以 |
| 該... |
| 玩家可能的手牌並不全部...就像 F 的可能手牌不足以與對手的可能手牌相匹配。這種情況在兩輪下注和三輪下注中都會發生。 |
| 這是因為緊張，這是因為F的機率太高了，就像他們無法匹配他們的 |
| 信心水平，所以如果你想…也許在撲克遊戲中取得好成績的最佳策略是不要太激進，也不要太保守。就像玩家 D 一樣，他有... |
| 玩家 D 有 38% 的機會…或 38% 的機率，因此他們必須至少有 38% 的把握他們會…他們會戰勝對手。所以就像......我認為......或基於此，那個地方周圍是玩撲克的好地方。現在，為什麼這很重要？ |
| 我們也做了……或者我們也做了三名玩家測試，以確認玩家 F 必須棄牌而玩家 D 在這一輪中獲勝。所以我們可以說，玩家 D 可以說是該撲克模型中的最佳策略，在 AKQJ 撲克模型中，有不止一輪下注且多於…且少於 6 名玩家。 |
| 我們還進行了兩輪下注，以考慮…或表明 F 也沒有獲勝。 |
| 這是我們為了測試 F 失敗的結果在整個下注輪次中是否成立而進行的另一個案例。我們這麼做了，三輪下注，四名玩家。 |
| 現在，為什麼這很重要？我們之前已經證明，玩家可以進行簡單的計算，例如最壞的情況，以控制他們下注的衝動，即使是在輸的手牌上。 |
| 有賭博成癮的人可能會非常非常激進地下注，即使他們知道自己會輸錢，他們仍然會賭上一點機會，希望他們會…他們會賺到錢。一場大勝利。 |
| 有賭博成癮的人可能會非常非常激進地下注，即使他們知道自己會輸錢，他們仍然會賭上一點機會，希望他們會…他們會賺到錢。一場大勝利。 |
| 這是一種情緒化的投注方式，它正好陷入了賭徒謬誤的陷阱，即認為如果你運氣好，或者你連續運氣不好，那麼你下次就會幸運，例如。 |
| 這些在撲克比賽中玩家更少、下注次數更多的新案例讓玩家感到緊張，即使是最理性的玩家也是如此。所以F， |
| 在六名玩家計算的一輪下注中，有一位玩家...就像您可以看到該玩家有經驗或他...或者該玩家能夠等待，他能夠有一個好的策略，他或者她，對不起。 |
| 這是......所以我們可以將其應用到真正的撲克遊戲中，因為在人類中，副交感神經系統會向體內釋放壓力荷爾蒙，例如腎上腺素， |
| 引起戰鬥或逃跑反應。當你處於高風險的情況下，例如撲克遊戲時， |
| 然後你知道......你從表面上知道什麼是危險的，你知道你的錢和你的資產處於危險之中，所以 |
| 你會押注於此並嘗試增加它。這只是與生俱來的人性。在這場撲克遊戲中，更多的頻寬被分配給杏仁核，杏仁核是大腦中控制情緒的區域，而不是理性的區域，並參與執行功能的前額葉皮質。 |
| 因此，一輪中隱藏的牌越多，玩家可能會對自己的賭注更加緊張並做出更糟糕的賭注，即使他們... |
| 即使他們在撲克方面非常有經驗。 |
| 基於風險計算和賭博尋求刺激的概念，這種緊張可能與強迫性賭博障礙的盲目賭博性質有關。 |
| 我們的結論是，F 或像玩家 F 這樣過於保守的玩家，在現實的撲克情況下可能表現不佳。因此，表現最好的玩家都是保守派，但比普通的非常非常小氣的玩家更願意下注。 |
| 我們的主要結論是，如果玩家能夠理解基本的統計計算並在遊戲中使用它們，那麼賭博障礙可能會得到緩解。 |
| 和 |
| 未來的研究，實際上不是在未來，它將會發生，或者我們已經完成了這項研究，我們將使用 Python 獲得更可靠的數據，這就是 Arhan 的演示將要展示的內容。感謝您的觀看。 |
| 阿爾罕·蘇拉帕尼尼 | 每年都有數百萬人前往賭場之都拉斯維加斯，參加派對，享受奢侈品，但是 |
| 最重要的是，賭博。 |
| 賭博雖然形成了勝利成功的虛假獎勵，但仍然掩蓋了金融和社會鬥爭的黑暗陷阱。 |
| 我們這一代正在走向現代化，技術進步迅速成為常態，電腦程式語言成為現代世界蓬勃發展所需的學科。 |
| 利用現代電腦程式設計工具和???，我們能夠更深入地研究他們的這種心理問題並分析工具來幫助解決它們。 |
| 這是與作者 Siddhant Karmali、Mason Chen 和 Saloni Patel 共同完成的，並得到了顧問 Charles 博士的尊敬幫助。和 ？？？。 |
| 如前所述，每年有數百萬人前往賭場，影響大量人口。 |
| 對於影響如此大樣本量的問題，首要問題之一是我們如何表達賭博問題的解決方案以及如何有效地做到這一點。 |
| 透過Siddhant的演講，我們了解了很多原始方法 |
| 這有助於解釋賭博，同時也提出了有關賭博的經濟學誤用詞，證明冷靜和謹慎可以帶來最好的結果，而不是依靠遊戲的運氣來獲得積極的結果。 |
| 所有這些都是透過Java完成的。然而，此方法僅運行 92 次就需要 30 小時。這不是有效的並且無法使用。然而，使用 Python 可以將這個時間縮短到幾秒鐘，同時也允許更高層次的複雜性，這對整體方法是有利的。 |
| 回顧一下，該方法需要一個六人玩家模型，每個人都會收到 16 副 AKQJ 中的兩張牌。 |
| 其中一張牌被隱藏，四張牌放在桌上。每個玩家都有信心等級來決定他們棄牌或繼續玩的頻率。 |
| 繼續玩丟三分，棄牌只丟一分。這樣做是為了模擬從盲目賭博到謹慎策略師的各種玩家。 |
| 通常，在進行大規模實驗時，執行足夠數量的測試以便產生可用的數據是非常乏味且耗時的。 |
| 一種有效的替代方法是使用計算機編程，更具體地說，在蒙特卡羅模擬中使用計算機語言 Python，它被定義為一類廣泛的計算演算法，依賴於包含數值結果的重複隨機採樣。 |
| 圖中這裡應用的Java程式效率很低。它們只允許隨機兩個樣本，並且單獨採購每個特定序列的過程很難完成。 |
| 當我們嘗試獲取更大的資料集時，改變這一點很重要。分析語言之間的一般差異， |
| 重要的是要確定 Java 是編譯語言中的靜態類型，而 Python 是解釋語言中的動態類型。這一單一差異使得 Java 運行時速度更快且更易於調試。 |
| 但Python更容易使用，也更容易閱讀。 |
| Python 也是一種解釋器語言，具有優雅的語法，使其成為許多領域的腳本編寫和快速應用程式開發的非常好的選擇。這被應用在以下方法中。 |
| 我們需要關注的一件事是新的隨機產生器，它適用於完整的 52 張卡組，即 AKQJ 16 卡 |
| 模型可以提高統計準確性？？？渲染，尤其是使用蒙特卡羅模擬時。 |
| 我們可以用 Python 加入我們的角色的一個好處。正如 Siddhant 所說，我們現在可以使用賭注。 |
| 而不是在我們的兩張卡上手動應用不同的置信度？？？隨機化，我們可以使用蒙特卡羅根據添加或刪除賭注的能力的一定百分比閾值做出不同的選擇，稍後您會看到。 |
| 首先，談論套牌很重要。這裡我們看到一個有洗牌函數的 16 張牌陣列。這使得卡片是隨機的， |
| 類似於Java程式中看到的initial函數。 |
| 這將從總共 16 張牌中為不同的玩家抽取兩張牌。考慮到這一點，原始綜合方法和我們的最壞情況方法都有廣泛的應用，稍後將介紹和開發。 |
| ???同一個牌組允許我們添加更改或移動內容來影響我們計算最壞情況方法的方式，這對我們的最終目標很有幫助。 |
| 我們舊的 JAVA 方法沒有相同的彈性。 Python 針對最壞情況方法的特定變更包括特定的 elif/if |
| 語句，以便擁有最差牌的玩家被指示為失敗，並且 Siddanth 涵蓋的公式已更改。這很重要，因為這可以更有效地... |
| 資料收集效率更高，並且有可能使隨機產生器的輸出更加準確。您可以為這些單獨的卡片添加特定名稱，這本身也是另一個有用的應用程式。 |
| 這種簡化的蒙特卡羅模擬允許更多的複雜性，因為它允許我們根據場景添加新的賭注，其中涉及 |
| Siddanth 描述的多輪下注。我們可以透過改變目前的賭注來改變角色，這會影響玩家如何留在或離開下注回合，這是與Java方法的關鍵差異。 |
| 該程式中的概念與設定一個變數有關，該變數最終將返回資金的價值並將賭注返回到初始賭注參數。 |
| 將當前賭注發送到零，我們設定一個 while 迴圈來連續運行條件，直到當前賭注等於計數。 |
| 然後，對於我們獲得成功結果的每一盤，我們都會透過下注來增加價值。 |
| 如果我們要添加一個命令，告訴我們或角色在一定的賭注下放慢速度，那麼我們就有了一種簡單的方法來設定賭注的閾值。 |
| 我們也可以編輯相同的表格來接受特定的序列，例如葫蘆，只允許在序列存在時下注。這些閾值創建了我們上面提到的風險管理水平。 |
| 我們可以在 ??? 中繪製機率，其中我們將每個更新的當前賭注附加到 X 值數組，將每個更新值附加到 Y 值數組，然後繪製 PLT(?) 以繪製 X 值和 y 值。 |
| 更好的函數的關鍵組成部分是 if 語句中對應於成功結果的條件 if...。這可以適應任何 |
| 所需的結果，包括一般情況和最壞情況。 |
| 當我們應用兩個字元和多個字元的比較時，我們可以新增重要的語句以確保正確比較資料。 |
| 使用Python，您可以確保繪圖像兩對一樣，或取代較高的值，排除具有較低值的玩家，迫使他們退出遊戲。這使得使用新的 Python 程式比使用原始的 Java 程式更有效率。 |
| 原本需要 30 小時的事情現在只需幾秒鐘即可完成。 |
| 應用程式後，我們可以將新結果與原始 Java 結果進行相關性測試。如果我們查看一般方法和最壞情況方法的紅線，我們會看到 |
| 它們非常接近 1，表示相關性很強。 |
| 這也與較高的 R 平方值配對。我們也進行了單一比例假設檢驗，告訴我們這兩種方法都未能拒絕原假設。 |
| 這個值雖然很高，但還沒接近…沒有那麼接近 1。對於我們期望幾乎相同的東西，因為這是電腦程式設計。 |
| 造成這種情況的主要原因有兩個，第一個是樣本量。 92 看起來很多，但並不強勁……這一趨勢並不像人們想像的那麼強勁。 |
| 為了解決這個問題，我們可以將樣本量增加到 1,000 甚至 10,000。另一個原因可能是Python的應用。如同前面所提到的，Python 是一種更綜合的語言，而不是一種靜態語言。這可能會改變效果，但基本上保持不變。 |
| 在這裡，我們看到該計劃最終得到應用並展示了結果。透過這個程序，我們可以看到每個玩家玩什麼...每個玩家用紙牌抽出哪些牌... |
| 顯示和隱藏哪張牌、桌上有哪些牌、玩家獲得和失去多少籌碼，以及最後誰獲勝、如何獲勝。在下圖中，我們看到玩家 1 以葫蘆獲勝。 |
| 能夠在一台計算機和一個函數中運行多個字符，在應用時描述不同的序列 |
| 不同數量的玩家，也顯示出不同結果的機率，甚至在常規撲克遊戲中添加多次下注，Siddanth 已經對此進行了介紹。 |
| 這對於進一步的發展至關重要，因為它允許世界各地的人們使用這個程式和方法 |
| 將想法發展為一種學習工具，可用於治療賭博成癮者。 |
| 另一項開發利用了神經網路（AI）方面，透過添加虛張聲勢等功能使該程式更加詳細，添加的功能足以使該程式更像賭場中看到的實際遊戲。 |
| 最後，我們能夠看到，透過使用 Python，我們不僅體驗到更高的準確度，而且更高…更高的效率，最終證明了我們最初的假設：謹慎 |
| 提供更多的錢和更多的勝利，將原本需要數小時的程式變成了短短幾秒鐘。 |
| 因此，下次您去維加斯或甚至與朋友一起參加遊戲時，請記住這個項目，並記住，更加小心並花更多時間做出決定將從長遠來看對您有所幫助。 |
| 謝謝。 |
