在人类与机器博弈中，计算机通常会使用算法来进行决策，其中最常用的算法是基于价值迭代的强化学习算法。这种算法会根据当前状态以及可能采取的行动，估计每个行动对最终胜利的贡献价值，并选择价值最高的行动。这个过程需要计算机对游戏规则的理解、对当前状态的分析、对潜在行动的估值能力。
除了强化学习算法，计算机在博弈中还可以使用其他的算法，比如传统的搜索算法，如Minimax和Alpha-Beta剪枝算法，它们会遍历所有可能的决策树，找到最优的决策。此外，计算机还可以使用一些启发式算法来进行决策，例如Monte-Carlo Tree Search算法，该算法通过模拟大量游戏后得出每个行动的胜率，并选择具有较高胜率的行动。
总之，在博弈中，计算机会从多个方面考虑，包括当前局面、可选的行动、对手可能的反应等因素，然后采用相应的算法进行决策。