新视角：看不同院系的学霸如何解读狼人杀！

丘比酱时常好奇：

不同院系不同专业的学生

会如何用本专业的知识去解读狼人杀

为此，丘比酱特地采访了几位童鞋

结果和他们聊完

丘比酱感觉眼前打开了新的世界

原来狼人杀还能引出这么多

看起来这么厉害的东西

“高手在民间”

这句话从此给丘比酱留下极其深刻的印象

感觉自己的眼睛快被秀瞎了

和丘比酱一起来看看吧

（本文仅供娱乐，预计阅读时间：6分钟）

数学系的学生解读狼人杀

数学系的学生认真、严谨，喜欢用数据说话。他们喜欢分析狼人杀中的概率问题和信息熵变化的情况。一起来看看他们怎么分析的：

在狼人杀游戏中，场上12位玩家的身份共有831600种分布情况。当我们摸到狼人牌，睁眼确认了三个狼队友之后，场上玩家的身份分布就只剩下1680种了。

由此可见，狼人开局就拥有了巨大的信息量。

我们可以利用香农提出的信息论，计算每个角色开局所获得的信息量，为了方便量化，我们引入信息熵的定义：熵是信息不确定性的一个测度，熵越大则表示事件的不确定程度越高，用公式表示为

其中H（U）是熵，U表示所有可能事件的集合，Pi则是某一具体事件x发生的概率。其中log的底数可以取任意一个大于1的数，这里我们认为规定使用2作为log的底数，此时信息熵的单位为比特（bit）。

假设我们处在上帝模式，那我们能够100%确定场上所有玩家的身份，那么此时的熵值就是-1*log21=0；

如果我们处在普通视角，场上12位玩家的身份都不清楚，那么此时的熵值就是831600*（-1/831600）log2(1/831600)=19.67。

如果我们处在狼人视角，晚上看到了另外三个狼队友，那么此时的情况数是8！/4！=1680，熵值是1680*（-1/1680）log2(1/2680)=10.71。

即摸到狼人牌将直接给我们带来8.96的信息变化量，消除了近一半的不确定性。

计算机系的学生解读狼人杀

计算机系的学生善于利用计算机编程来模拟狼人杀的推演过程。他们看重的是思维的过程，并且在敲代码的过程能够不断找到更优化的方案。看他们如何利用编程思维看待狼人杀：

我们可以利用计算机强大的计算能力，引入决策树的概念，分析遍历狼人杀各种情况。

在给定的训练数据集当中学习出一个函数，当狼人杀玩家触发了新的数据时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出的，也可以说是特征和目标，且训练集中的目标是由人标注的。

玩家可以通过狼刀、放逐公投、女巫开药和撒毒、猎人开枪等方式推动局势的演变，在三到四天的游戏时间里决出胜负。在各个阶段的博弈，都需要建立一套完整的局势分析理论体系，使我们能够正确地评估和判断当下的局势并预测出未来的局势演变。

决策树就能够帮助我们动态地思考局势发展的脉络和走向。

（图来源于长尾）

根据一个指标，分裂训练集为几个子集。这个过程不断的在产生的子集里重复递归进行，即递归分割。当一个训练子集的类标都相同时，递归停止。

这种决策树的自顶向下归纳 (TDITD) 是贪心算法的一种, 也是目前为止最为常用的一种训练方法，但不是唯一的方法。

哲学系的学生解读狼人杀

哲学系的学生追问人生的意义。对宇宙的奥义、对社会的真理，都有着与常人不同的执着和热爱。一起来看看他们在狼人杀中所探寻的东西：

狼人杀中的正义是什么？

古希腊诡辩派学者斯拉雪麦格认为：强权即公理。即：遵守强者所制定的规则即为正义，反之即为不正义。

卢梭认为：社会的目的是人口的增长，这种增长应该建立在增长人口福利不损失的情况下。而本国的政治正义就是保全本国的国土安全与人民利益，甚至可以因此而掠夺他国和至他国人权问题于不顾。

马克思主义伦理学认为：正义与否的客观标准主要在于其行为是否符合社会发展的要求和广大群众的利益。

所以好人阵营的正义就是推出所有的狼人，狼人阵营的正义就是杀掉所有好人。

可正义难道只是个立场问题这么简单吗？如果我拿狼人牌，我却想让好人阵营获胜，这是我本身意愿驱使所导致的结果，那么我坚持的是好人阵营的正义，难道就不是正义吗？正义会因为外界因素的影响而改变自身的性质吗？那么我们讨论存在绝对的正义和邪恶，绝不只是单纯的站边问题而已吧？

我们往往面对复杂现实状况时的正义做法，就是坚持已有的正义原则的前提上，进行判断和决定，并尽可能的进行自我保护。随着我们掌握的信息逐渐增加，我们认知范围内对正义的判断标准是会动摇的。而这种动摇，是没有办法消除的。

丘比酱觉得他们讲得有道理

（假装自己看懂了.jpg）

丘比酱也曾经对海许愿

希望自己能够成为某领域的学霸砖家

但是一转脸，却只听到了

海哭的声音

丘比酱这辈子跟学霸可能无缘了╮(╯▽╰)╭

那么狼友们，你的专业可以怎么解读狼人杀

让丘比酱见识一下吧！