用信息论解决 Wordle
Solving Wordle using information theory
频道:3Blue1Brown · 时长:30:38 · 发布:2022-02-06 · 播放:11855179
简介
3Blue1Brown 以 Wordle 为引子教授信息论和熵,构建了一个根据期望信息选择猜测的求解器,并融入了词频。
HN 为什么推荐
HN 推荐其为关于最佳 Wordle 开局词(如 CRANE)的首选解释,以及信息论的友好入门,也与 Mastermind 相关。
仍然值得一看。 — HN, 2023
中文字幕节选
Wordle 这个游戏在过去一两个月里火得不行,而我向来不会 放过任何上数学课的机会,我想到这个游戏可以作为一个 非常好的核心例子,用来讲解信息论,特别是 一个叫做熵的概念。 你看,和很多人一样,我也迷上了这个谜题,而且和很多 程序员一样,我也迷上了尝试写一个算法,让它尽可能 最优地玩这个游戏。 我想在这里做的就是和大家聊聊我的一些 过程,并解释其中用到的一些数学,因为整个算法 都围绕着熵这个概念。 首先,如果你还没听说过,Wordle 是什么? 为了一石二鸟,在我们讲解游戏规则的同时, 也让我预览一下我们的目标,就是开发一个小 算法,基本上能替我们玩这个游戏。 我还没做今天的 Wordle,今天是 2 月 4 日,我们看看这个机器人 表现如何。Wordle 的目标是猜出一个神秘的五字母单词,你有 六次不同的机会来猜。 比如,我的 Wordle 机器人建议我从猜 crane 开始。 每次你猜一个词,你都会得到一些关于你的猜测 离真实答案有多近的信息。这里,灰色框告诉我实际 答案中没有 C。黄色框告诉我有一个 R,但不在那个位置。 绿色框告诉我秘密单词确实有一个 A,而且它在 第三个位置。然后没有 N,也没有 E。 那么,让我进去告诉 Wordle 机器人这些信息。 我们从 crane 开始,得到灰色、黄色、绿色、灰色、灰色。 别担心它现在显示的所有数据,我会在适当的时候 解释,但它对我们第二次选择的首要建议是 stick。 你的猜测必须是一个实际的五字母单词,但你会看到,它 对你实际能猜什么相当宽松。 在这种情况下,我们试试 stick。 好吧,情况看起来相当不错。 我们命中了 S 和 H,所以我们知道前三个字母,我们知道有一个 R。所以,它会是像 S H A 什么 R,或者 S H A R 什么。 看起来 Wordle 机器人知道只剩下两种可能性, 要么是 shard,要么是 sharp。现在,在这一点上它们之间有点难分,所以我 猜可能只是因为按字母顺序,它选择了 shard。 万岁,这就是实际答案。 所以我们三次就猜中了。如果你想知道这算不算好,我听到一个人 的说法是,在 Wordle 中,四次是标准杆,三次是小鸟球。 我觉得这是一个很贴切的类比。 你必须 consistently 保持状态才能四次猜中,但这当然不是 疯狂的事。但是,当你三次猜中时,感觉就是很棒。 所以,如果你有兴趣,我想在这里从头聊聊我的思考 过程,我是如何构建 Wordle 机器人的。 就像我说的,这其实是一个信息论课程的借口。 主要目标是解释什么是信息,什么是熵。 我最初的想法是看看英语中不同字母的 相对频率。 所以,我想,好吧,有没有一个开头的猜测或一对开头的猜测 能命中很多这些最频繁的字母? 我比较喜欢的一个是先猜 other,然后猜 nails。 想法是,如果你命中一个字母,你知道,你得到一个绿色或黄色。
HN 上的讨论
这让我想起3Blue1Brown关于Wordle的视频,以及它的后续视频。我想这有点剧透,但仍然值得一看。[VIDEO] [LINK] — bnycum, 2023-08
如果你想知道为什么演示作者使用`crane`作为第一个猜测——看看3Blue1Brown最近的视频[VIDEO] — dowakin, 2022-02
以防你没看到,3blue1brown(Grant Sanderson)有一个视频将信息论应用于解决Wordle,这在概念上类似于Mastermind——[VIDEO] — bschne, 2024-01
有趣的是,SLATE似乎是明显的最佳开局。我发现一个YouTube“展示”了CRANE在数学上是最优的:[VIDEO] 第二个猜测(如果命中数低)会补充剩余的元音。我的平均是4,然后是3。 — pstuart, 2023-12
警告:回复中有点《银河系漫游指南》/康威生命游戏的闲聊。很好的开始,提供了一种简单的方法来视觉上交互/实验/操作不同的多重神经网络概念,通过加载/转换任何传统代码(无论是否工作)并重新排列/镶嵌代码的结构表示,通过颜色执行路径生成图灵带路径。切换到 pi 演算可以提供理论支持协程/协进程/线程化多个交互的带路径/颜色组合/路径差异/缩放递归以执行汇编语言指令。没有闲聊的光栅图形([LINK])在带和“传统代码”之间反馈作为神经网络层!灵活的代码(通过镶嵌)而不改变实际导入的源代码!所以,完整的 svg(带交互)网页作为代码源,关于如何与网页交互,([LINK])显示/播放的内容,文档和使用手册包含在代码结构中!Unicode 允许隐含的管道丰富 kern 字体而没有所有技术废话。Unicode 失败是因为允许无限多义,因此 k&r 不完整。但是,这种方法比 unicode/技术东西更具维… — sargstuff, 2022-04
相关视频
- 向量 | 第1章,线性代数的本质 · 3Blue1Brown · 9:51
- 但什么是傅里叶变换?视觉介绍。 · 3Blue1Brown · 19:41
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 贝塞尔曲线之美 · Freya Holmér · 24:25
- D/A 与 A/D | 数字展示与讲解(Monty Montgomery @ xiph.org) · FL Studio · 23:52
- 样条曲线的连续性 · Freya Holmér · 1:13:50
- Jim Simons(完整版访谈)- Numberphile · Numberphile2 · 1:00:43
- 但比特币究竟是如何运作的? · 3Blue1Brown · 25:15
- APL中的康威生命游戏 · Dyalog · 7:47
- CppCon 2017: Matt Kulukundis “逐步设计一个快速、高效、缓存友好的哈希表” · CppCon · 59:33
- 微积分的本质 · 3Blue1Brown · 17:04
- 快速傅里叶变换(FFT):史上最巧妙的算法? · Reducible · 28:23
- 现代字典 by Raymond Hettinger · SF Python · 1:07:41
- 拥有 1,000 个克莱因瓶的男人 - Numberphile · Numberphile · 6:49
- 线性代数的本质预览 · 3Blue1Brown · 5:09
- 几何代数简明介绍 · sudgylacmoe · 44:23