線上撲克是不是做假？證據到底怎麼說
隨便問一個線上磨分玩家牌局是不是有做假，你會聽到同一套說法：一小時內 AA 被破三次、只有在對手聽牌時同花才會來、河牌好像永遠都偏袒對面那傢伙。這種感覺很真實，而且幾乎人人都有。但當你仔細檢視證據，它指向的結論跟多數受挫玩家所下的判斷，差得非常遠。
經過認證的 RNG 與洗牌實際上怎麼運作
正規的撲克網站並不是用任何人類意義上的方式去「發牌」。每一手牌背後都有一個亂數產生器（RNG），這套軟體唯一的工作就是產生無法預測的數值。好的系統不會只依賴單純的軟體偽隨機性，它們會從物理熵源來播種產生器，例如電子雜訊、時序抖動，或專用硬體，因此即使你知道洗牌發生的確切時刻，也無法預測輸出結果。
這份隨機性接著驅動洗牌。一副標準的 52 張牌大約有 8 後面接 67 個零那麼多種排列方式，這個數字遠遠超過可觀測星系中原子的總數。一個正確的洗牌演算法（Fisher-Yates 法是業界標準）會把 RNG 的輸出對應到其中一種排列上，讓每一種排列出現的機率都相等。只要做得正確，你下一手牌的牌組就是公平決定的，而且實際上不可能被預測。
值得記住的重點是：公平的洗牌並不等於平順的洗牌。機率相等也包含了長連敗、一再出現的 cooler，以及那些讓你覺得是針對個人的牌段。真正的隨機是會結成一塊一塊的。
獨立測試與認證涵蓋哪些範圍
玩家不必只憑營運商的一面之詞相信這一切。持牌網站在上線前以及上線後都會持續把它們的 RNG 與洗牌交給獨立測試實驗室檢驗。常見的例子包括 iTech Labs、eCOGRA、GLI（Gaming Laboratories International）以及 BMM Testlabs。從整體層面看，這類測試會檢查：
- 統計上的隨機性。 一整套公認的測試會檢查輸出在龐大樣本中是否出現任何可偵測的偏差、規律或可預測性。
- 不可預測性。 審查者會確認，就算知道過去的輸出，對於猜測未來的輸出也毫無優勢。
- 正確的實作。 稽核者會檢視實際的洗牌程式碼，而不只是原始的 RNG，以確認牌張是均勻分配的，沒有任何環節去偏袒特定的牌。
- 營運面的控管。 持牌轄區的監管機關會要求做到種子保護、變更管制以及定期重新測試，讓一個乾淨的上線版本不會在無聲無息中走偏。
沒有任何稽核能在數學上證明完美無瑕，但一個持有公認實驗室與正規監管機關現行認證的網站，已經跨過了一道實打實的高門檻。這跟「相信我們就對了」完全是兩回事。
為什麼爆冷輸牌感覺像做假，其實不是
人腦是找規律的機器，而且非常不擅長直覺地理解機率。有兩股力量聯手讓公平的撲克感覺起來很黑。
第一是樣本量。一個開多桌的線上玩家，一個週末看到的手數可能比一個現場玩家一整年看到的還多。那些本來千分之一才會發生一次的事件，當你發了幾十萬手之後就不再罕見了。被單一個看到翻牌的對手叫牌時，AA 被破大約是五分之一的事件。在一場漫長的牌局裡，連續被破並不是程式出錯，而是數學早就排好的行程。
第二是記憶偏誤。你記得那張害你輸光一整疊籌碼的殘忍河牌。你不會記得那一千次牌面平淡無奇的時候，也不會記得同樣的河牌救了你的那些時刻。痛苦會被牢牢記住，例行公事不會。結果就是腦中累積成一卷災難精華片段，讓人覺得這就是規律存在的證據。
來看看在一個常見場面上，感受與現實是如何分歧的：
| 情況 | 感覺起來怎樣 | 實際上的真相是什麼 |
|---|---|---|
| 一小時內 AA 被破兩次 | 「網站專門針對高牌力的牌」 | 每次大約五分之一；對子在大量手數中本來就常發生 |
| 同花聽牌打中你 | 「動作牌是被硬塞出來的」 | 9 張補牌的同花聽牌在河牌前大約有 35% 會完成 |
| 一長串輸掉的全押 | 「我被作弊了」 | 這是預期內的變異；就算是 70% 的領先牌，十次也會輸三次 |
誠實的解法不是陰謀論，而是量與研究。認真的玩家靠著用 DEEPFOLD 這類工具來學習以戰勝變異，而不是怪罪牌組，他們會預期這些起伏，而不是被它們突襲。如果那段連敗仍然讓你覺得不可能發生，更深層的解釋通常藏在變異與下行段裡，而不是藏在洗牌裡。
動作翻牌的迷思
做假信念有一個特定版本值得直接回應：也就是認為網站會故意發出額外的「動作翻牌」，好讓多名玩家都做成強牌、底池膨脹，然後莊家抽更多水。這個想法很直覺，卻完全沒有依據。
經過認證的 RNG 不論下注大小、底池大小，或牌局裡有幾名玩家，發出的都是同一個均勻分配。軟體不知道、也不在乎賭注是多少。動作密集的牌面之所以牢牢留在記憶裡，正是因為它們輸掉或贏下了大底池，而這恰恰就是前面說的記憶偏誤。沒有任何經過稽核的洗牌會讓牌張取決於下注。如果真的會，這種偏差在每一個持牌網站都要接受的統計測試裡會輕易被偵測到。
真正存在的風險
戳破做假迷思，並不等於說線上撲克毫無風險。真正的威脅來自其他玩家與不良營運商，而不是來自發牌本身。
- 機器人。 那些不會疲倦、執行近似 solver 策略的自動化程式是實實在在的隱憂，在較低注額的牌池裡尤其如此。強悍的網站會用偵測系統、行為分析與封禁來對抗它們，但沒有任何防線是完美的。這在機器人與牌局公正性裡有深入探討。
- 串通與即時協助。 兩名以上玩家共享底牌資訊，或單一玩家在一手牌進行中諮詢 solver，兩者都會破壞牌局。即時協助是老式倒籌碼團隊的現代版本，也是認真營運商管制最嚴的公正性問題。
- 無牌營運商。 最大的危險並不是受監管網站上一副做假的洗牌，而是在一個沒有真正監督的境外平台上入金，那裡出金緩慢、餘額被凍結，以及軟體真的不透明，都是實際可能發生的狀況。
想更完整地了解這些手法如何運作，在你認定軟體就是敵人之前，值得先讀一讀作弊是怎麼進行的這篇拆解。
怎麼挑一個你能信任的網站
實務上的結論是，公平與否大致取決於你在哪裡玩。請留意：
- 來自受敬重監管機關的牌照，是公開且可查證的，而不是只是嘴上說說。
- 來自公認獨立實驗室的現行 RNG 認證。
- 在出金速度與安全性上看得見的實績紀錄，最好有其他玩家加以佐證。
- 主動執行牌局公正性管制，包括公開過的機器人與串通封禁。
在這件事上，一份簡短而有條理的檢查清單勝過憑直覺。如何挑選撲克網站這篇指南會依序帶你走過上述每一個訊號。
結論
線上撲克是不是做假？在一個持牌、受稽核的網站上，發牌本身絕大多數情況下都不是問題所在。經過認證的 RNG 加上正確的洗牌，產生的正是公平撲克本該具備的那種結成一塊一塊、令人痛苦、滿是連段的隨機性，而你對爆冷輸牌的記憶並不是個可靠的證人。真正值得你關注的風險是機器人、串通、即時協助，以及不受監管的營運商。挑一個信譽良好的網站，預期會有變異，鑽研自己的牌技，那副牌就不再看起來像敵人了。
常見問題
線上撲克是不是做假？
在一個持牌、受稽核的網站上，發牌本身絕大多數情況下都不是問題所在。經過認證的 RNG 加上正確的洗牌，產生的正是公平撲克本該具備的那種結成一塊一塊、滿是連段的隨機性，而你對爆冷輸牌的記憶並不是個可靠的證人。
經過認證的 RNG 與洗牌在線上撲克裡怎麼運作？
亂數產生器會產生無法預測的數值，通常會從電子雜訊或時序抖動這類物理熵源來播種，因此輸出無法被預測。一個正確的洗牌演算法，例如 Fisher-Yates 法，會把這份輸出對應到大約 8 後面接 67 個零那麼多種牌組排列之一，讓每一種排列出現的機率都相等。
為什麼爆冷輸牌感覺像做假，其實不是？
有兩股力量在運作：一是樣本量，因為線上玩家可能看到幾十萬手牌，使得罕見事件不再罕見；二是記憶偏誤，因為痛苦的輸牌會牢牢記住，平淡的牌局則不會。舉例來說，被單一個看到翻牌的對手叫牌時，AA 被破每次大約是五分之一的事件。
如果發牌是公平的，線上撲克真正的風險是什麼？
真正的威脅來自機器人、串通、玩家在一手牌進行中諮詢 solver 的即時協助，以及沒有真正監督的無牌境外營運商。這些風險來自其他玩家與不良營運商，而不是來自洗牌本身。
