人类真的能随机选数吗？揭秘“人脑随机数生成器”

从7的偏好到真正的随机：如何修正人类的选择偏差

让一个人从1到10中随机选择一个数字，每个数被选中的概率会是均等的10%吗？实际上，人类的选择远非随机。一项针对8500名学生的调查显示，接近30%的人倾向于选择“7”，而位于两端的“1”和“10”则被冷落，其中“10”的选择率仅1.9%[k]。

这种偏好源于心理因素：人们会认为1和10过于极端，而7常被视为“幸运数字”。正是这些潜意识影响了所谓的“随机”选择[k]。

相比之下，计算机生成的伪随机数（如Numpy的np.random）能更接近真正的均匀分布，凸显出“人类随机函数”human.random的局限性[k]。

如何将人类选择变为真正随机？

要修正人类的非均匀分布，核心思路是重新分配高概率数字的部分选择到低概率数字上。这可通过线性规划建模实现：定义变量x_i,j表示将数字i调整为j的比例，在保证概率守恒的前提下，最大化保持不变的比例x_i,i之和[k]。

最终目标是使每个数字的出现概率趋近10%。通过计算得出调整方案，例如：28.1%的“7”应被重新映射为“10”，20.7%的“7”转为“1”[k]。

人脑随机数生成器：原理与实现

基于上述理论，可构建一个“人脑随机数生成器”算法。其核心逻辑是：当某人给出一个高频数字（如5、7、8）时，再询问第二个人的数字，根据组合结果进行映射转换，从而逼近均匀分布[k]。

向一个人问得1~10之间的随机整数n1；

if n1=5
    then 再向另一个人问得一个随机整数n2；
       if n2=5 (概率12.2%)
           then 返回随机数 2；
       if n2=10 (概率1.9%)
           then 返回随机数 4；
       else 返回随机数 5；

if n1=7
    then 再向另一个人问得一个随机整数n2；
       if n2=2或5(概率20.7%)
           then 返回随机数 1；
       if n2=8或9 (概率16.2%)
           then 返回随机数 9；
       if n2=7(概率28.1%)
           then 返回随机数 10
       else 返回随机数 7；

if n1=8
   then 再向另一个人问得一个随机整数n2；
       if n2=2 (概率8.5%)
           then 返回随机数 1；
       else 返回随机数 8；

else 返回随机数 n1；

该方法通过条件映射有效修正人类选择偏差，理论上可生成接近均匀分布的随机数，前提是拥有足够大的样本群体（如原研究中的8500人）[k]。

以上算法思路及代码源自博客：
https://torvaney.github.io/projects/human-rng