Red Neuronal Predictiva para el Juego de Piedra, Papel o Tijeras

Este proyecto implementa una Red Neuronal Predictiva utilizando una arquitectura LSTM (Long Short-Term Memory) para jugar y predecir las jugadas en el clásico juego de Piedra, Papel o Tijeras. La IA aprende los patrones de jugadas del jugador humano y utiliza esa información para predecir futuras jugadas, maximizando sus probabilidades de ganar.

Descripción del Proyecto

El sistema funciona en dos fases:

1. Fase de práctica: Recopila información sobre las jugadas del usuario hasta que haya realizado al menos una jugada de cada tipo.
2. Fase de predicción: La IA predice la próxima jugada del jugador y elige su jugada óptima para vencer.

Requisitos del Sistema

Para ejecutar este proyecto, necesitas las siguientes bibliotecas de Python:

• numpy
• tensorflow
• scikit-learn

Instala los requisitos con:

pip install numpy tensorflow scikit-learn

Estructura del Proyecto

1. Entrenamiento y predicción: Utiliza una red neuronal LSTM para analizar y predecir las jugadas del jugador.
2. Modo de juego: El usuario ingresa su jugada y la IA predice y juega en consecuencia.
3. Validación: Asegura un conjunto diverso de datos antes de pasar a la fase de predicción.

Uso

1. Ejecuta el script principal:

python game.py

2. Ingresa tus jugadas usando los números:

   • 1: Piedra
   • 2: Papel
   • 3: Tijeras

3. El sistema proporcionará retroalimentación de cada ronda, mostrando:

   • La jugada predicha por la IA
   • La confianza de la IA en su predicción
   • El resultado de la ronda
   • El puntaje acumulado

Ejemplo de Juego

¡Bienvenido al juego de Piedra, Papel o Tijeras con IA!
Primero, iniciaremos un juego de práctica para que la IA aprenda tus patrones.
Elige tu jugada usando los números:
1 - Piedra
2 - Papel
3 - Tijeras

Tu jugada (1-Piedra, 2-Papel, 3-Tijeras): 1
Estamos en la fase de práctica. Aún no tengo suficiente información para predecir. Sigue jugando.

Tu jugada (1-Piedra, 2-Papel, 3-Tijeras): 3
Fase de práctica terminada, ¡ahora la IA está lista para predecir!

Tu jugada (1-Piedra, 2-Papel, 3-Tijeras): 2
Se predecía que jugarías: papel con un 36.27% de confianza.
La IA jugó: tijeras
¡La IA gana esta ronda!
Puntaje actual: Jugador 0 - 1 IA

Probar el Proyecto en Google Colab

Puedes ejecutar este proyecto directamente en Google Colab sin necesidad de configuraciones adicionales en tu máquina local. Para acceder y probar el proyecto en Colab, sigue este Enlance.

Estructura del Código

Funciones principales:

• obtener_ganadora(jugada): Determina la jugada ganadora.
• entrenar_modelo(modelo, jugadas_codificadas, secuencia): Entrena el modelo LSTM.
• decodificar_jugada(codificada, encoder): Convierte una jugada codificada a su forma original.
• determinar_resultado(jugada_usuario, jugada_IA): Evalúa el resultado del enfrentamiento.

Mejoras Futuras

• Implementar diferentes niveles de dificultad.
• Guardar el historial de jugadas para futuras sesiones.
• Ampliar el número de rondas de práctica.

Contribuciones

Las contribuciones son bienvenidas. Si tienes sugerencias o mejoras, por favor abre un pull request o crea un issue en el repositorio.