Show HN: ¿Qué tan aleatorio eres?
Los humanos son sorprendentemente malos generando secuencias verdaderamente aleatorias, un hecho resaltado por un juego web que intenta predecir números que la gente dice o escribe y los compara con referencias estadísticas. Los comentaristas exploran por qué las personas alternan en exceso, cómo fuentes externas como π o los lanzamientos de moneda pueden mejorar la impredecibilidad, y cómo la retroalimentación del propio sistema permite a los jugadores explotar al predictor de forma adversarial. El hilo también aborda detalles de implementación como los modelos de reconocimiento de voz y relaciona el concepto con anécdotas clásicas de probabilidad, trucos de mentalismo y experimentos anteriores de “lectura de mente” como el oráculo de Aaronson.
Reacciones generales y preocupaciones
- A muchos les pareció que el juego era ingenioso y entretenido, especialmente el enfoque de “casa vs humano” y los modos duales de texto/voz.
- A un subconjunto le incomodó proporcionar muestras de voz, lo que generó preocupaciones sobre un posible entrenamiento de modelos o ingeniería social, aunque otros señalaron que ya existen abundantes conjuntos de datos de voz.
Sesgos humanos en la aleatoriedad
- Varios comentarios mencionaron experimentos previos que muestran que los humanos son malos generadores de aleatoriedad, especialmente por alternar demasiado las elecciones y evitar rachas largas.
- Se habló de la clásica demostración de lanzamientos de moneda (secuencias reales vs inventadas) como evidencia de que los humanos producen menos rachas de las que corresponderían.
- Algunos argumentaron que, aunque todas las secuencias son igualmente probables para un RNG justo, las secuencias generadas por humanos difieren estadísticamente y pueden detectarse a posteriori.
Estrategias y resultados de los jugadores
- Muchos intentaron “vencer” al predictor mediante:
- Usar aleatoriedad externa (dígitos de π o Fibonacci, constantes matemáticas, relojes, longitudes de palabras, automatización con PRNG).
- Jugar de forma adversarial reaccionando a las conjeturas del sitio, o retrasándose deliberadamente para imitarlas/seguirlas.
- Repetir un solo número muchas veces, o alternar desde los extremos del rango de números.
- Varios informaron tasas de predicción muy bajas (cerca o por debajo de la referencia ciega del 11%) y les dijeron que estaban entre los “más aleatorios” en relación con un estudio de psicología citado.
- Otros encontraron que el predictor se fijaba rápidamente en ciertos patrones (p. ej., dígitos repetidos, seguir con retraso), aunque unos pocos dijeron que a veces se quedaba “atascado” en una sola conjetura, algo que el autor atribuyó a que una heurística estaba sobrerrepresentada.
Aleatoriedad vs impredecibilidad
- Algunos enfatizaron la diferencia entre la aleatoriedad real y la mera impredecibilidad para un algoritmo concreto.
- Se debatieron esquemas propuestos (p. ej., combinar dos dígitos elegidos internamente con aritmética modular); los críticos señalaron que son deterministas y solo ayudan en la medida en que engañen a los detectores de patrones específicos.
- Se mencionaron ideas clásicas de des-biasing como el truco de las monedas de von Neumann para ilustrar la extracción de bits no sesgados.
Implementación, comparaciones y mejoras
- Según se informó, el sitio usa modelos de Markov de n‑gramas en tiempo real más predictores heurísticos; se inspiró en otro conocido “oráculo” que predice pulsaciones de teclas.
- El reconocimiento de voz se implementa con un modelo ligero elegido por compatibilidad con el navegador; algunos criticaron su precisión y sugirieron alternativas, señalando los compromisos entre tamaño del modelo y rendimiento.
- Varios señalaron juegos similares o relacionados (concursos de unicidad de números, anteriores competencias de “lector de mente” o de piedra-papel-tijera) y sugirieron añadir un “modo difícil” más estricto, sin retroalimentación visible, para acercarse más a las condiciones originales de laboratorio.