德州扑克：AI打牌竟能完胜人类，比赛策略有何不同？

完美信息博弈和不完美信息博弈

为何AI在德州扑克上难以战胜人类呢？德州扑克与围棋于AI而言究竟存在何种区别呢？首先，需领会完美信息博弈（棋牌类游戏）跟不完美信息博弈（扑克类游戏）的差异。

后行动的参与者可观测到先行动的参与者的行动信息，这种情况被称作完美信息博弈。像棋牌类游戏，双方的信息是共享的，就围棋而言，双方都能看到场上已下过的棋子，其优势与劣势也能知晓。

对于扑克、谈判、商业决策这类问题，双方的有关信息都不会公开给对方，也就是说，当参与者进行选择时，并不了解其他参与者的选择情况，这种情况就被称作不完美信息博弈。

笼统来讲，要是将别的参与者的行动视作一个参与者在做决策之际所面临的环境的话，信息不完美指的便是决策者不清楚自身所处的那个决策环境。

对于德州扑克而言，哪怕对手把全部筹码都进行了all in操作，然而我们依旧没办法去明确知晓他手里究竟握着怎么样的底牌，由于存在信息不对称这种情况，所以就使得大家都必然得怀有“赌一把”这样的精神。

这也是为什么金融人士和投资大佬们都喜欢玩德州扑克。

我们借助理工方面的思维，来讲讲AI究竟是以怎样的方式赢了人类的，拿完美信息博弈类游戏来说。

对于围棋游戏而言，它属于一场零和完美信息博弈。所谓零和完美信息博弈，就是在任何一个时刻，参与游戏的双方玩家都清楚知晓前面游戏的全部状态，此为完美信息。并且在有限的步数之后，游戏的结果不是胜利就是失败，这便是零和。当知道了游戏的有限状态后，计算机能够借助暴力枚举的方式去计算后面所有有可能的下法，进而形成一棵巨大无比的搜索树。这棵搜索树能够罗列在当前状态下所有可能出现的下法，而且每个子搜索树都能够独立进行求解，计算机凭借计算得出的结果可以安排相应的策略，以此达成最终的胜利。

拿个例子来说，就像，小明作为一个在普通中国家庭成长起来的小孩，在他的整个人生历程当中，遭遇了好多回选择，那到底怎样能在往后迈向人生的顶峰呢？要是能够罗列出他未来全部的可能性，把每一步的抉择拆分成“子未来”，如此一来就能够算出成功几率最大的选择了。（这个例子或许不太合适，明白意思就行，嘿嘿）

小明同学的人生探险

电脑：“我压力太大了，哇的一声炸开花”

所以，科学家们运用一些诸如剪枝、搜索之类的算法，来达到缩减计算范围的目的，进而在有限的时间里将最佳策略找出来。

不完美信息博弈类游戏

终于讲到了今天的主角， 德州扑克。

德州扑克是极为典型的，属于不完美信息博弈类的游戏，其策略设置里存有隐藏的信息。这类博弈模型有着大量的应用场景，像谈判、拍卖等情况都是。不完美信息博弈无法像完美信息博弈那般借助分解来求解，原因在于一个子博弈的最佳策略有可能取决于其他尚未获取的子博弈策的略，以及输出。

话说回来，我们没办法依据预算出对方下注的数量进而推测出对方手里拿着啥牌，原因在于可能对方的牌并不好，然而他借助下注来蒙骗你，致使你选择弃牌。所以，这件事对于没什么心机的计算机而言是颇为困难的，对手一开始就全押了，可是他的牌究竟好不好呢？

所以，在我目睹AI于德州方面同样战胜了人类之时，心里头稍微有那么一点点小激动，或许往后，机器人能够拥有女人的那种第六感了。

那AI到底是如何打败人类的呢？

论文里提到诸多特别难理解（实际上自己也瞧不大明白，算了）的算法，为了便于理解，我们拿一个简易的博弈模型去举例，设法理解聪慧的AI。

我们来设计一个简单的游戏。

游戏玩家存在A与B这两人，A能够进行一次抛硬币行为，硬币的正面或者反面唯有他自己能够看见，抛完之后他具备两个可供选择的情况了，其一为sell，也就是卖掉硬币，其二为play，即和B玩游戏。

①A选择了sell：

②A作出了play的选择，游戏得以继续进行，紧接着轮到B去猜测硬币落下究竟是正面亦或者是反面。

此时，对于B来讲，这属于一个并非完美的博弈，B没办法凭借A选择play，进而去判断A手中所握的硬币究竟是正面还是反面。

在这个时候，存在着两种极限情形，要是B始终都去猜正面，那么有着聪慧特质的A将会改变自身运用的策略，当A把硬币抛到呈现正面的状况时，他就会将硬币售卖出去，要是抛到呈现反面的状况时才展开游戏，如此一来B肯定是会输掉的。在这个当下，A所拥有的期望分数是：

0.五五开抛到正面的概率，乘上选择sell的得分为零点五，加上抛到反面的概率也是零点五，再乘上选择play的得分为一，结果等于零点七五。

倘若B老是去猜反面，那么当A抛掷硬币出现正面之际就要抉择play以赚取一元，要是A抛掷硬币出现反面之时便会选择sell去卖掉硬币，这般仅仅赔掉五毛钱，故而A的期望是：

0.抛到正面的概率为5，选择play的得分是1，抛到反面的概率是0.5，选择sell的得分是 -0.5，它们相乘后相加的结果等于0.25。

在这个时候，有一个知识点冒了出来，它被称作纳什均衡，也就是说，对于B来讲，要想切实有效地降低自身所遭受的损失，那他所能采取的最为有效的策略便是，以0.25的概率去猜测硬币为正面，再以0.75的概率去猜测硬币为反面，通过这种方式能够保证他获取胜利的可能性达到最大。

博弈向来是个动态的进程，要是B始终依照固有的策略去进行决策这件事，那个A就会凭借B的决策方面得出的结果来调整自身的策略。因而，对于B来讲最具安全性的办法，便是持续不断地去更新A卖掉硬币能够收获到的回报，还得持续寻觅最优那个解。

我们那具备聪明特质的计算机，是借助这样的方式，动态地去计算牌友们押注所产生的回报期望，进而达成“持续更新对手的套路”这一行为德信竞技，最终收获了「比赛过程中，人类选手整体上从未处于领先状态」这样的效果。

这么一来，要是打算跟AI较智，人那小小的脑筋，说不定得转得更迅速些，或许不存在套路本身，才是最为厉害的套路哟。

人们都声称金融领域的大佬们都热衷于玩德州，在看完这篇文章之后，金融领域的大佬们是不是会有一些受到启发的情况呢？