Show HN：你有多随机？
人类在生成真正随机序列方面出人意料地糟糕，这一点被一个网页游戏凸显出来：它试图预测人们口头说出或键入的数字，并将结果与统计基线比较。评论者探讨了人类为何容易过度交替、像 π 或抛硬币这类外部来源如何提升不可预测性，以及系统反馈如何让玩家用对抗性方式“反制”预测器。讨论还涉及语音识别模型等实现细节，并将这一概念与经典概率轶事、魔术读心技巧以及更早的“读心”实验（如 Aaronson 神谕）联系起来。
整体反应与担忧
- 许多人觉得这个游戏很巧妙、也很有趣，尤其是“房子 vs 人类”的设定，以及同时支持打字和语音两种模式。
- 也有一部分人对提供语音样本感到不安，担心可能会被用于模型训练或社工攻击，不过也有人指出，现成的语音数据集已经非常多了。
人类随机性的偏差
- 多条评论提到此前的实验表明，人类并不擅长生成随机序列，尤其容易过度交替选择，并避免出现长串重复。
- 经典的抛硬币演示（真实序列与编造序列）也被讨论为人类低估连续重复的证据。
- 也有人认为，虽然对于公平的随机数生成器来说，所有序列出现的概率都一样，但人类生成的序列在统计上不同，因此可以事后识别出来。
玩家策略与结果
- 很多人尝试通过以下方式“击败”预测器：
- 使用外部随机源（π 或斐波那契数列的数字、数学常数、时钟、单词长度、PRNG 自动化）。
- 通过响应网站的猜测进行对抗性游玩，或故意延迟、镜像它们。
- 将同一个数字重复很多次，或从数字范围的两端交替选择。
- 有几位用户报告了非常低的预测命中率（接近或低于盲猜的 11% 基线），并被告知他们相对引用的心理学研究而言属于“最随机”的一类。
- 还有人发现预测器很快就锁定了某些模式（例如重复数字、跟随延迟），不过也有少数人表示它有时会“卡”在某一个猜测上，作者认为这可能是某个启发式规则权重过高造成的。
随机性 vs 不可预测性
- 有人强调真正的随机性与对某个特定算法来说的不可预测性之间是不同的。
- 讨论了若干提议方案（例如把两个内部选择的数字结合后再做模运算）；批评者指出这些方案本质上仍是确定性的，只是在迷惑特定的模式检测器方面有用。
- 还提到了冯·诺依曼的硬币技巧之类的经典去偏方法，用来说明如何提取无偏比特。
实现、对比与改进
- 据称该网站使用了在线生成的 n‑gram 马尔可夫模型以及启发式预测器；其灵感来自另一个知名的、用于预测按键的“神谕”。
- 语音识别采用的是一个轻量模型，原因是要兼容浏览器；有人批评其准确率，并建议使用其他方案，同时指出模型体积与性能之间存在取舍。
- 还有人提到类似或相关的游戏（数字唯一性竞赛、早先的“读心术”或石头剪刀布比赛），并建议增加一个不显示反馈的更严格“困难模式”，以更接近原始实验室条件。