計算機無法模仿的生物隨機性=

 

計算機是一個非常讓人熟知的東西，但其實很多人都不知道，乍看之下萬能的計算機其實存在有一個極難的問題，那就是如何學習生物的隨機性這件事情。


首先大家會直接想到就是隨機數字產生器，但其實那根本不是隨機，基本它的原理上就是從系統時鐘擷取數值，然後依照需要的值取出來，需要幾個就取幾個，那最後結果就是一串從0~9的值會被取出，這樣的做法限制就是只能取出0~9的值，其他比如要求特定文字就比較麻煩，但跟取時鐘的原理一樣，電腦這樣做絕對不是隨機的，有很多作法那其中一個就是將英文字和中文字編碼的定位數值，然後依照取到的多個數值來後進行轉換就可以編出一個看似隨機的字串了，如果大家覺得這聽起來很陌生，例子像是mmo有些會讓你隨機擲骰子跑出名字，這就是很標準的字串轉換。


好現在我們提升一個難度，單個座標的轉換很簡單，就是依照你要求的目標物，這邊就假設一個地圖是你的座標物，但是這並不是隨機性，現在假設一個人作為生物體，他要做出一個決定比如要指出一個座標，地圖上這麼多地方要怎麼隨機指出一個點，而且進一步比如地圖中海洋或是有建築物之類都會導致取出的結果，又假設現在地圖每一次取座標後會進行隨機化，那相對生物體能立刻跟上，計算機則是必須進行非常複雜的演算法，簡單的比如把所有現在地圖中海洋或是障礙物的座標標記出來後演算排除選擇，隨機性就差在這一點了，對生物體只是單純看一眼就可以產生的隨機座標，對計算機很可能是要經過半天的運算才能開始指出有效座標，而這可能下一張隨機化後又要從零再計算一次。


如果現在是一個競技遊戲，你控制著一個角色從A點移動到B點，這樣的行為就是隨機性，因為這個A點和B點是對於生物體完全隨機的，計算機不會管這樣的合理性，比如現在前面有怪物在你的面前施放攻擊技能，那相對生物看到後會立刻改變行為模式，接下來可能做很多不同不一定可以預測的隨機行為，因為相對很多不懂計算機的人，會認為窮舉法可以解決所有的隨機性問題，比如有戰略遊戲列出一堆的指令如移動、移動攻擊、移動後不攻擊。。。很多人認為這樣把大部分工具和指令窮舉出來，然後訓練計算機後就可以就產生了比擬生物的隨機性，但其實這樣其實就像是圍棋困境，圍棋會被破解也只是因為是他其實是有限變化。

接下來繼續討論有限變化，預測是一個隨機性很重的項目，同樣如果今天圍棋變成一個隨機項目，你下幾個子後畫面會亂切，所有的內容都會隨機變化，那這樣計算機就沒辦法產生一個標準的處理方式，像是回到前面遊戲的例子如果你呆呆的走向敵人，這樣不合理也完全沒有解決眼前的問題，但生物體的隨機性就出現了變化，有比較有效率也有效率直接歸零的狀況，比如下面的狀況。

1.走向敵方然後被攻擊
2.走向敵方然後停在攻擊範圍外
3.站在原地射擊敵方(或近距離攻擊)
4.站在原地一直跳躍
5.掛機
6.更多自定義行動

計算機的絕對服從一定程度上直接抹去了隨機性的可能，比如每一局都沒有掛機這樣一看就不是隨機性的結果，所以這邊在談的生物體的隨機性，相對很多時候也會出現更有效率的結果，比如果今天你發現狀況不對敵人和你方實力差太多，你不用浪費所這一局遊戲的時間，一定程度上這樣的行為對計算機是無可計算的，首先你必須擁有"所有的資料"，不然你沒法做出預測這一局的遊戲是否會輸掉，接下來你還必須進行極端複雜的自定義，這些包含所有玩家的勝率和使用角色這些資料，最後還有一件很明顯的事情，計算機必須在這局遊戲結束前把預測算出來，不然還沒計算完遊戲就已經結束了。

生物體的這樣隨機性，一定上讓生物獲得很大的程度優勢，比如小強、蒼蠅。。。這類的生物體用其一對無限多的生物競爭上獲得優勝並存活到至今，計算機雖然至今有強大的AI預測模型之類的訓練方案，但對於要模擬出生物的隨機性上還沒有達到目標，而
追根究柢後我們可以了解計算機其能複製性仍然是其最大的也是不變的優勢。

以上。