中国唯一可以玩德州扑克的网站曝光。由中科院精诚出品，采用AI在线发卡。

对呀，这一回荣获奖项的德州扑克人工智能——AlphaHoldem，便是如同AlphaGo那般的存在。只是呢，在针对于AlphaHoldem的训练进程当中，其训练的模型乃是德州扑克 。

有这样一件事，在人工智能这个范畴里，已然是较为平常的现象，那便是借助游戏去构建AI的训练模型 。

与围棋相较，德州扑克更能够检验AI身处信息不完备、对手不确定情形下的智能博弈技术。故而在近几年间，行内一致认定德州扑克颇为契合作为一个虚拟实验环境。便于针对博弈的相关基础理论方法、核心技术算法，展开深入探究。

当前，存在着一种比较为主流的德州扑克AI核心思想，它是借助一种名为“反事实遗憾最小化（CFR）”的算法之手段，去逼近纳什均衡策略，这种策略指的是，对于任意一位参与者而言，在其他所有参与者的策略已经确定好了的情形之下，他所做出的策略都是“最优解” 。

然而德信竞技，这种方式始终存在着一个较为显著的不足之处：它实在是过度依赖人类专家来开展博弈树抽象了 。这也就表明了，不管是在开展AI训练的时候，还是在最终进行对局之际，它都需要数量众多的计算以及存储资源 。而这一点，同样变成了限制德州扑克AI迈向更深层次发展的障碍 。

兴军亮团队在 AAIAI 2022 上拿到卓越论文奖，原因在于，他们给 AlphaHoldem 采用了一种新的、基于端到端的深度强化学习算法。

端到端学习德州扑克AI学习框架

在不借助任何领域知识的情形下，有一种新算法，它把一种改进后的深度强化学习算法同一种新型的自博弈学习算法结合起来啦，这种算法能够直接从牌面信息端到端地学习候选动作，随后做出决策。

有着这样的数据显示，AlphaHoldem每次作出决策的速度，甚至连3毫秒都达不到，然而，它却比之前同一类型的AI决策速度快出来1000倍。并且，AlphaHoldem跟4位处于高水平的德州扑克选手进行了1万局的对抗，其结果也证实，它已然达到了人类专业玩家的水平。

成为AI玩家“训练师”

研究成果得到国际主要学术组织的认可，是一件不俗的成绩。

兴军亮有了用游戏训练AI的想法，这最早是受了AlphaGo的启发，透过教AI下围棋，兴军亮发现，这个动作的实质是在解决AI领域的“认知智能”问题，能让AI不但知道“是什么”，还能知道“为什么”。

在人工智能的发展历程当中，游戏自身本来就是相关研究的试验场地。凭借游戏去训练出较为厉害的AI，这便成为了兴军亮所设定的目标。

兴军亮

兴军亮原本很少接触游戏，是为了能全方位去了解不同类型游戏的机制，于是他开始培养自己的“网瘾”，这“网瘾”培养的过程包括找出代表型游戏，还得研究教程，接着练习手速，最后完成通关，这其中每一步都不比职业玩家少。

在这个进程当中，兴军亮越加知觉到，玩游戏是一桩特别有意思的事情，特别是各不相同游戏的机制设定，极其适宜用以钻研某些基础的科学难题，从中就存有游戏博弈。

就以此次荣获奖励的德州扑克AI程序来讲，它的实质是一个并非完美信息的博弈难题，由于依据德州扑克的游戏准则，每个人手里都持有两张属于自己的牌，牌面的大小并不会对最终的输赢产生影响，因为玩家能够借助假装牌面大以及押注金额大等方式将对手吓退。

两人无限注德州扑克一次游戏过程示意

兴军亮带着团队，为教会AI打德州扑克，前后动用十多台服务器，集中算力，让 AI 持续跟自己打牌，历经20天，打出了约1亿局。

紧接着，他们再度又进一步提高了游戏学习的性能。此次，他们仅仅只用1台服务器，进行训练且时间不到3天，便能够达成预期水平。

就在这个进程当中，参与训练的AI能够学到一些近似于只有人类专业选手才会掌握的计谋。而这一点，恰恰是不完美信息博弈最为有意思的所在。当下，兴军亮以及团队打造的德州扑克在线人机对抗平台OpenHoldem（http://holdem.ia.ac.cn/），现今已经对外敞开。按照兴军亮的说法，这个系统或许是国内唯一能够公开进行德州扑克游戏的地方。

当然，兴军亮的目标绝不仅仅是带着AI攻略下一款款游戏。

诸如不完美信息博弈这般的机制，于经济政策拟定、法律法规精进、外交策略择取等诸多领域，皆存有极为广泛的运用情况。这些领域中的情况，乃是国际上同行孜孜以求努力攻克的对象，同时亦是国内相关研究相对薄弱之处。

兴军亮不懈追求的方向是什么呢，是去训练出一个人工智能，这个人工智能要更聪明，还要更有用，并且它能够和人类融为一体 。