什么是人机扑克：Libratus人机扑克简介

人机扑克是什么：Libratus人机扑克介绍

2017.1.30和四位选手奖金

人机扑克是什么：

Libratus是个人工智能程序，这程序玩的是无限德州扑克，其策略并非基于专业玩家经验，所以它玩牌方式或许有明显不同，它基于在匹兹堡超级计算机中心约1500万核心小时的计算，运用算法分析德州扑克规则，解决AlphaGo也处理不了的不完美信息，进而建立自身策略，并且它在比赛中，能通过预测所有未来步骤的胜率来思考自己下一步 。

研究背景：

2016年，卡耐基梅隆大学，也就是CMU，有一位Tuomas Sandholm教授，他曾领导开发了一个打扑克的程序Claudico，然而在一场对着好几位高手进行的比赛里面，它遭遇了惨败，这就是Libratus的前身，也是扑克智能程序之前的形态。2017年，Libratus被Sandholm教授与另一位Noam Brown博士共同开发完成，Libratus的水平得以提升，这是基于数个技术进步，其中包括一个新的平衡近似技术，还有几种新的方法，能用于分析可能的结果。

对于那种操作方面的难题，也就是不完整信息博弈，早早地就已经被证实是难以去攻克的计算机方面的难题了。针对这个情况，CMU的人工智能研究者们，他们专注于信息集，采用同时去思考未知以及已知变量的各种可能状态的这样一种方式来开展预测，而这是需要强大的计算能力的。

计算技术方面，有Bridges Super Computer超级计算机。在每手牌局均已结束的夜晚时分，位于匹兹堡市的超级计算中心里，Bridges电脑会开展执行计算的操作，以便对Libratus的策略予以优化。而在白天进行比赛的进程时段，Bridges会被用于计算每一手牌的终结游戏策略，Bridges提供三种被称作节点的类型计算选项，分别是常规、大型以及超大型。Bridges并非当下世界上规模最大、运行速度最快、性能最为强劲的超级计算机，然而它有可能是对公众开放的、之中规模最大、运行速度最快、性能最为强劲的超级计算机，在Bridges的助力之下，原本于个人电脑上会耗费数月时间的计算工作，仅仅只需几个小时便能够完成。

该技术应用的情况是，没有运用专业的牌局来开展神经网络的训练，这与AlphaGo不同，AlphaGo运用了大量的棋局进行训练，而此这个模型所采用的是随机产出的牌局，这里的随机产出包括公共牌、底池筹码以及玩家拿牌概率这些方面，同时还包括尝试性的动作所带来的结果，这个结果是在随机生成的输入情形下模拟玩家跟牌之后产生的，把这些作为训练数据 。Libratus运用了博弈论，它与AlphaGo不一样，Libratus系统并非借助分析大量可能的下一步去完成任务，由CMU构建的这个新系统，是通过平衡风险与收益来决定自身的下一步，处于纳什均衡定义里的完美游戏状态。

对外赛事：

2015年，CMU组织了首场“大脑对抗人工智能”赛事，在那时的赛事里，出战CMU的是另一款人工智能系统，它是由Tuomas Sandholm教授开发的“Claudico”，有四名职业扑克玩家参与了比赛，当时扑克职业玩家和Claudico只进行了8万手牌的比赛，可是，Claudico没有取得最终胜利。

就在2016年11月初开始的四周时间，身为阿尔伯塔大学进行开发的DeepStack，战胜了11位德州扑克职业选手中的10位，从统计角度而言，赢的优势极为显著，而且跟每位对手逐一玩要了多达3000手。

美国时间，2017年1月30日，于宾夕法尼亚州匹兹堡的Rivers赌场德信竞技，CMU所开发的Libratus人工智能系统，击败了人类顶级职业扑克玩家。根据官网所做的介绍，这次比赛总共持续了20天，是由四名身为人类的职业玩家，分别是Jason Les、Dong Kim、Daniel McAulay以及Jimmy Chou，去对战人工智能程序Libratus，在长达20天的赛程期间要面对玩12万手的情况，最终人工智能赢得了176万美元 。

未来发展：

德州扑克人机大战里，Libratus取得了最终胜利，这属于人工智能领域一项巨大成就，玩德州扑克需具备推理能力以及运用心理战术，可这对机器来讲实在难以模仿，围棋界所向披靡的DeepMind AlphaGo本质上处理的是完美信息博弈，它没办法处理德州扑克的不完美信息问题，更 incapable 行使出让人虚张声势的诈唬（Bluffing）策略，Libratus在面对不完全或者误导信息时，具备进行推论的能力 。在现实的世界当中，并非完整的信息才是正常的状态，各种各样根本看不见的、潜藏着的信息导致有超多的不确定性出现，然而德州扑克所代表的正是这种类型的一种博弈。

届时，像Libratus般的人工智能可得用于商业谈判所处等领域，人工智能发展终极目标为通用人工智能，通用人工智能能够解决任一问题，不像 Libratus 或 AlphaGo 之专注扑克或围棋，欲实现 AGI 便需让人工智能学会解决不确定性问题，此乃此次人机大战一大重要意义 。

2017年1月匹兹堡赛事现场画面