Künstliche Intelligenz Roulette und Poker Das Computerprogramm Künstliche Intelligenz für Roulette von Dr. Selzer-McKenzie Bemerkungen von Thomas Westerburg: Seit es Computer gibt, versucht man, intelligente Software herzustellen. Es entwickelte sich die KI-Forschung (KI = Künstliche Intelligenz). Ab ca. 1970, in der 1. Phase, waren die Expertensysteme der Hype. Experten eines bestimmten Fachgebiets formulieren ihr Wissen als Regeln, die dann programmiert werden. Expertensysteme tun heute auf vielen Feldern ihren Dienst, z.B. in der Maschinensteuerung und im Beratungswesen. In den 80er Jahren begann die 2. Phase, Stichworte: Data Mining und Big Data. Es entstanden Riesen-Datenbanken und Programme, die selbständig Wissen aus den Daten extrahieren. Die prominentesten Beispiele sind Google und Facebook. Google überwacht alle Webseiten des Internets, registriert deren Klickraten, erstellt Nutzerprofile und verkauft sein automatisch per Software gewonnenes (gelerntes) Wissen an die Werbeindustrie. Zur Zeit läuft die 3. Phase: Deep Learning. Es gibt Programme, die in der Lage sind, ein Wissen aus großen Datenmengen herauszuziehen, welches das menschliche Wissen übertrifft. Aktuelles Beispiel: Die Weltmeisterschaft im GO-Spiel (GO ist komplizierter als Schach) hat inzwischen ein Computer übernommen. Die Basis von Deep Learning sind Neuronale Netze – eine mathematisch sehr anspruchsvolle Angelegenheit. Die Regelsysteme, die das „Klassische Roulette“ darstellen, sind vergleichbar mit den Expertensystemen in anderen Anwendungsfeldern. Seit 200 Jahren versuchen die Roulettetüftler Regeln für Dauergewinne im Roulette zu finden. Aber die Praxis zeigt, dass sich der Zufall mit starren Regeln nicht überlisten lässt. Wenn man die veröffentlichten Systeme programmiert und mit vielen Permanenzen per Simulation überprüft, ergibt sich am Ende immer ein Gesamtverlust. So ist es höchste Zeit zu versuchen, ob man mit maschinellen Lernverfahren weiterkommt. Das SelMcKenzie-Künstliche Inbtellkigenz-Programm für Roulette: Ich stelle das Programm vor, das mit einem relativ einfachen Lernverfahren arbeitet. Wenn man ein lernfähiges Programm herstellen will, muss man einen Erfahrungsspeicher in Form einer Tabelle, bzw. Matrix anlegen. In dieser Lerntabelle werden Merkmals->Ereignis-Relationen abgespeichert. Was ist ein Merkmal? Im Programm verwende ich die Trefferverteilung der 6 ECs innerhalb von 3 bis 8 Rückschaucoups. Diese Trefferverteilungen lassen sich sehr gut in einem 6-stelligen Schlüssel (Key) darstellen. Die ersten 2 Stellen beziehen sich auf S/R, dann 2 Stellen für G/U und die letzten 2 Stellen für M/P Beispiele: 230532 – ein Key für die letzten 5 Coups: 2 Treffer S, 3 Treffer R; 0 Tr. G, 5 Tr. U; 3 Tr. M, 2 Tr. P 445344 – ein Key für die letzten 8 Coups: 4 Treffer S, 4 Treffer R; 5 Tr. G, 3 Tr. U; 4 Tr. M, 4 Tr. P 210312 – ein Key für die letzten 3 Coups: 2 Treffer S, 1 Treffer R; 0 Tr. G, 3 Tr. U; 1 Tr. M, 2 Tr. P In der Lernphase werden Permanenzen in 8 Coups langen Abschnitten durchlaufen. Jeder Abschnitt liefert liefert 6 Keys, jeweils 1 Key für die Rückschauweiten 3 bis 8. Mit zunehmender Rückschauweite wächst auch die Vielfalt der Keys. Nach der Verarbeitung von ca. 5000 Coups ergibt sich folgendes Bild: Rückschauweite 3 –> 60 Keys Rückschauweite 4 –> 103 Keys Rückschauweite 5 –> 131 Keys Rückschauweite 6 –> 169 Keys Rückschauweite 7 –> 193 Keys Rückschauweite 8 –> 207 Keys. Gesamt -> 853 Keys Diese Zahlen ändern sich natürlich mit jedem neuen Erfassungslauf (Lernphase). 6/8tel von 5000 Coups haben dabei insgesamt ca. 3800 Keys geliefert, die sich auf ca. 850 eindeutige Keys verteilen. Was ist ein Ereignis? Im Programm verwende ich die Trefferraten, unterteilt nach S/R/G/U/M/P, die sich in den Folgecoups der Key-Ermittlung ergeben. Beispiele: a) 062442 – 1 0 0 1 1 0 Dieser 6er Key hatte in der Lernphase nur 3 Folgetreffer, 1 S, 1 U, 1 M. b) 042231 – 2 3 2 3 3 2 Dieser 4er Key hatte in der Lernphase 15 Folgetreffer, 2 S, 3 R, 2 G, 3 U, 3 M, 2 P. Die Ereignis-Trefferraten, gesammelt in der Lerntabelle, können nun für Prognosen genutzt werden. Gemäß dem Prinzip, dass Favoriten Vorrang vor Restanten haben, setzt dasProgramm in den Prognosecoups jeweils die ECs mit den höchsten Ereignis-Trefferraten. Man man wählen, ob 1 oder 2 oder 3 Favo-ECs gesetzt werden. Das Programm der Künstlichen Intelligenz für Roulette können Sie kostenlos auf der Website von Selzer-McKenzie downloaden. Zur Spielweise Das Programm kann nur in einem Online-Casino gespielt werden. Zur Vorbereitung lädt man sich eine Gruppe von Permanenzen herunter und stellt sie in ein besonderes Verzeichnis. Es sollten Tagespermanenzen sein, damit man sie nach der Lernphase weiter bespielen kann. Es können aber auch die Permanenzen eines einzigen Tisches sein, die man sich über mehrere Tage hinweg geholt hat. Die Lernphase Durch Anklicken des Buttons „Löschen“ löscht man die Lerntabelle. Es gibt im Programm einen Button, mit dem man einzelne Perms für die Lernphase auswählt und einen Button, mit dem der ganze Pool dem Lernverfahren unterzogen wird. Ich bevorzuge die Auswahl einzelner Perms, weil ich beobachtet habe, dass eine Befüllung der Lerntabelle mit 900 bis 1000 Keys ausreichend ist, um auch mit den Perms, die nicht in den Lernprozess einbezogen wurden, gute Spielergebnisse zu erzielen. Nach dem Einspielen jeder einzelnen Perm wird angezeigt, wie viele Keys in der Lerntabelle angekommen sind. Die ca. 1000 Keys und ihre Nachfolger-Trefferzähler repräsentieren in gewissem Maße ein allgemeines Wissen über die Abhängigkeit von EC-Folgetreffern von den Vorlauftreffern über 3 bis 8 Coups. !000 Keys in die Lerntabelle einzuspielen kostet etwa 10 Minuten. Die Kannphase In der Kannphase werden nur die letzten Coups betrachtet und auf der Basis der Lerntabelle vorhergesagt. Wie viele letzte Coups einbezogen werden, wird durch den Parameter „SpielCoups“, bestimmt, den man beliebig zwischen 1 und >100 variieren kann. Wie bereits erwähnt, kann man sich mit dem Parameter „Satz-EC“ wünschen, wie viele ECs pro Coup prognostiziert werden sollen, 1 oder 2 oder 3. Die besten Ergebnisse liefert die Prognose von nur 1 EC. Die Prognose-EC wird im Marsch 1, im Hauptmarsch des Programms angezeigt und abgerechnet. Parallel dazu habe ich einen zweiten Marsch eingerichtet, der stets die Gegenchance von Marsch 1 bedient. Ein dritter Marsch, ein Selektionsmarsch, beobachtet die Trefferdichten von Marsch 1 und 2 und spielt die günstigere Seite nach. Damit wird ein Seitenwechsel angemahnt, wenn die bespielte Seite auf einen Platzer zusteuert. Bevor ich mit dem Echtspiel beginne, stelle ich „SpielCoups“ = 15 oder = 25 ein Der zeigt mir an, welcher Marsch mit der aktuellen Lerntabelle generell am besten läuft. Dann gehe ich an einen Tisch und lasse mir mit „Perm-Refresh“ zeigen, welcher Marsch hier am besten läuft, und den spiele ich dann nach. Während des Echtspiels, nach 5-8 Coups kann man den Marsch wechseln, wenn der Hase nicht so läuft, wie der Vortest gezeigt hat. Diese Möglichkeits-Operationen sind alle schnell. Beim Weiterspielen klickt man die jeweils letzte Zahl mit der Maus auf dem simulierten Tableau ein. Das Programm liefert dann den Satz für den nächsten Coup nebst Progression, den man nun ins Online-Casino übertragen kann. Die folgende Tabelle gibt einen Überblick über 4 Spieltage mit dem SelMcKenzie-Programm, wobei ich pro Spieltag ca. 2 Stdn. investiert habe:

Künstliche Intelligenz Roulette und Poker

Das Computerprogramm Künstliche Intelligenz für Roulette von Dr. Selzer-McKenzie

Bemerkungen von Thomas Westerburg:

Seit es Computer gibt,  versucht man, intelligente Software herzustellen. Es entwickelte sich die KI-Forschung (KI = Künstliche Intelligenz).

Ab ca. 1970, in der 1. Phase, waren die Expertensysteme der Hype.

Experten eines bestimmten Fachgebiets formulieren ihr Wissen als Regeln, die dann programmiert werden. Expertensysteme tun heute auf vielen Feldern ihren Dienst, z.B. in der Maschinensteuerung und im Beratungswesen.

In den 80er Jahren begann die 2. Phase, Stichworte: Data Mining und Big Data.

Es entstanden Riesen-Datenbanken und Programme, die selbständig Wissen aus den Daten extrahieren. Die prominentesten Beispiele sind Google und Facebook.

Google überwacht alle Webseiten des Internets, registriert deren Klickraten, erstellt Nutzerprofile und verkauft sein automatisch per Software gewonnenes (gelerntes) Wissen an die Werbeindustrie.

Zur Zeit läuft die 3. Phase: Deep Learning.

Es gibt Programme, die in der Lage sind, ein Wissen aus großen Datenmengen herauszuziehen, welches das menschliche Wissen übertrifft.

Aktuelles Beispiel: Die Weltmeisterschaft im GO-Spiel (GO ist komplizierter als Schach) hat inzwischen ein Computer übernommen.

Die Basis von Deep Learning sind Neuronale Netze – eine mathematisch sehr anspruchsvolle Angelegenheit.

Die Regelsysteme, die das „Klassische Roulette“ darstellen, sind vergleichbar mit den Expertensystemen in anderen Anwendungsfeldern.

Seit 200 Jahren versuchen die Roulettetüftler Regeln für Dauergewinne im Roulette zu finden. Aber die Praxis zeigt, dass sich der Zufall mit starren Regeln nicht überlisten lässt.

Wenn man die veröffentlichten Systeme programmiert und mit vielen Permanenzen per Simulation überprüft, ergibt sich am Ende immer ein Gesamtverlust.

So ist es höchste Zeit zu versuchen, ob man mit maschinellen Lernverfahren weiterkommt.

Das SelMcKenzie-Künstliche Inbtellkigenz-Programm für Roulette:

Ich stelle das Programm  vor, das mit einem relativ einfachen Lernverfahren arbeitet.

Wenn man ein lernfähiges Programm herstellen will, muss man einen Erfahrungsspeicher in Form einer Tabelle, bzw. Matrix anlegen.

In dieser Lerntabelle werden Merkmals->Ereignis-Relationen abgespeichert.

Was ist ein Merkmal?

Im Programm verwende ich die Trefferverteilung der 6 ECs innerhalb von 3 bis 8 Rückschaucoups.

Diese Trefferverteilungen lassen sich sehr gut in einem 6-stelligen Schlüssel (Key) darstellen.

Die ersten 2 Stellen beziehen sich auf S/R, dann 2 Stellen für G/U und die letzten 2 Stellen für M/P

Beispiele:

230532 – ein Key für die letzten 5 Coups: 2 Treffer S, 3 Treffer R; 0 Tr. G, 5 Tr. U; 3 Tr. M, 2 Tr. P

445344 – ein Key für die letzten 8 Coups: 4 Treffer S, 4 Treffer R; 5 Tr. G, 3 Tr. U; 4 Tr. M, 4 Tr. P

210312 – ein Key für die letzten 3 Coups: 2 Treffer S, 1 Treffer R; 0 Tr. G, 3 Tr. U; 1 Tr. M, 2 Tr. P

In der Lernphase werden Permanenzen in 8 Coups langen Abschnitten durchlaufen.

Jeder Abschnitt liefert liefert 6 Keys, jeweils 1 Key für die Rückschauweiten 3 bis 8.

Mit zunehmender Rückschauweite wächst auch die Vielfalt der Keys.

Nach der Verarbeitung von ca. 5000 Coups ergibt sich folgendes Bild:

Rückschauweite 3 –> 60 Keys

Rückschauweite 4 –> 103 Keys

Rückschauweite 5 –> 131 Keys

Rückschauweite 6 –> 169 Keys

Rückschauweite 7 –> 193 Keys

Rückschauweite 8 –> 207 Keys.

                 Gesamt -> 853 Keys

Diese Zahlen ändern sich natürlich mit jedem neuen Erfassungslauf (Lernphase).

6/8tel von 5000 Coups haben dabei insgesamt ca. 3800 Keys geliefert, die sich auf ca. 850 eindeutige Keys verteilen.

Was ist ein Ereignis?

Im Programm verwende ich die Trefferraten, unterteilt nach S/R/G/U/M/P, die sich in den Folgecoups der Key-Ermittlung ergeben.

Beispiele:

a) 062442 – 1 0 0 1 1 0

    Dieser 6er Key hatte in der Lernphase nur 3 Folgetreffer, 1 S, 1 U, 1 M.

b) 042231 – 2 3 2 3 3 2

    Dieser 4er Key hatte in der Lernphase 15 Folgetreffer, 2 S, 3 R, 2 G, 3 U, 3 M, 2 P.

Die Ereignis-Trefferraten, gesammelt in der Lerntabelle, können nun für Prognosen genutzt werden.

Gemäß dem Prinzip, dass Favoriten Vorrang vor Restanten haben, setzt dasProgramm in den Prognosecoups jeweils die ECs mit den höchsten Ereignis-Trefferraten.

Man man wählen, ob 1 oder 2 oder 3 Favo-ECs gesetzt werden.

Das Programm der Künstlichen Intelligenz für Roulette können Sie kostenlos auf der Website von Selzer-McKenzie downloaden.

Zur Spielweise

Das Programm kann nur in einem Online-Casino gespielt werden.

Zur Vorbereitung lädt man sich eine Gruppe von Permanenzen herunter und stellt sie in ein besonderes Verzeichnis.

Es sollten Tagespermanenzen sein, damit man sie nach der Lernphase weiter bespielen kann.

Es können aber auch die Permanenzen eines einzigen Tisches sein, die man sich über mehrere Tage hinweg geholt hat.

Die Lernphase

Durch Anklicken des Buttons „Löschen“ löscht man die Lerntabelle.

Es gibt im Programm einen Button, mit dem man einzelne Perms für die Lernphase auswählt und einen Button, mit dem der ganze Pool dem Lernverfahren unterzogen wird.

Ich bevorzuge die Auswahl einzelner Perms, weil ich beobachtet habe, dass eine Befüllung der Lerntabelle mit 900 bis 1000 Keys ausreichend ist, um auch mit den Perms, die nicht in den Lernprozess einbezogen wurden, gute Spielergebnisse zu erzielen.

Nach dem Einspielen jeder einzelnen Perm wird angezeigt,  wie viele Keys in der Lerntabelle angekommen sind.

Die ca. 1000 Keys und ihre Nachfolger-Trefferzähler repräsentieren in gewissem Maße ein allgemeines Wissen über die Abhängigkeit von EC-Folgetreffern von den Vorlauftreffern über 3 bis 8 Coups.

!000 Keys in die Lerntabelle einzuspielen kostet etwa 10 Minuten.

Die Kannphase

In der Kannphase werden nur die letzten Coups betrachtet und auf der Basis der Lerntabelle vorhergesagt.

Wie viele letzte Coups einbezogen werden, wird durch den Parameter „SpielCoups“, bestimmt, den man beliebig zwischen 1 und >100 variieren kann.

Wie bereits erwähnt, kann man sich mit dem Parameter „Satz-EC“ wünschen, wie viele ECs pro Coup prognostiziert werden sollen, 1 oder 2 oder 3.

Die besten Ergebnisse liefert die Prognose von nur 1 EC.

Die Prognose-EC wird im Marsch 1, im Hauptmarsch des Programms angezeigt und abgerechnet.

Parallel dazu habe ich einen zweiten Marsch eingerichtet, der stets die Gegenchance von Marsch 1 bedient.

Ein dritter Marsch, ein Selektionsmarsch, beobachtet die Trefferdichten von Marsch 1 und 2 und spielt die günstigere Seite nach.

Damit wird ein Seitenwechsel angemahnt, wenn die bespielte Seite auf einen Platzer zusteuert.

Bevor ich mit dem Echtspiel beginne, stelle ich „SpielCoups“ = 15 oder = 25 ein

Der zeigt mir an, welcher Marsch mit der aktuellen Lerntabelle generell am besten läuft.

Dann gehe ich an einen Tisch und lasse mir mit „Perm-Refresh“ zeigen, welcher Marsch hier am besten läuft, und den spiele ich dann nach.

Während des Echtspiels, nach 5-8 Coups kann man den Marsch wechseln, wenn der Hase nicht so läuft, wie der Vortest gezeigt hat.

Diese Möglichkeits-Operationen sind alle schnell.

Beim Weiterspielen klickt man die jeweils letzte Zahl mit der Maus auf dem simulierten Tableau ein.

Das Programm liefert dann den Satz für den nächsten Coup nebst Progression, den man nun ins Online-Casino übertragen kann.

Die folgende Tabelle gibt einen Überblick über 4 Spieltage mit dem SelMcKenzie-Programm, wobei ich pro Spieltag ca. 2 Stdn. investiert habe: