央视调查德州扑克APP：近万人参赌，大型俱乐部月赚数百万
2026年1月1日扑克桌上的风险投资大佬
2026年1月1日
扑街的难道是那些玩德州扑克的人类？Facebook搞了个开发出来就具备扑街能力的玩德州扑克的AI，它以大比分战胜顶尖人类选手！
捕捉翻倍美股2020.07.2912:57
近些日子以来人工智能发展得极为迅速，好多具有重复性特征的工作都已经被AI实现自动化操作了，关于人类工作会被机器给替代的这种说法也是「沸反盈天」，而直至当下，就连打打扑克都不可以了吗 ？
近期，Facebook 的科研人员研发出了一个称作「Recursive Belief-based Learning」（ReBeL)的通用人工智能架构，在德州扑克方面玩得极为出色 。
听闻Facebook所讲，此框架于单挑无限制的德州扑克游戏里，比起人类表现显著更优，并且其运用的领域知识，相较于先前任何扑克人工智能都要少些。
他们宣称，ReBeL属于开发通用多代理交互技术的一种途径，此算法能够被部署于大规模、多代理的环境里，其预期的应用范畴颇为广泛，像拍卖、谈判、网络安全以及自动驾驶等方面均会用到 。
AlphaZero在不完全信息游戏中表现「差点意思」
眼下，把强化学习跟搜索进行结合，于人工智能模型训练以及测试方面，已然获取了一些进展。
最大化回报从而进行学习的是强化学习代理，从起始点朝着目标状态展开行动以实现导航的过程则是搜索，举例来说，在国际象棋、围棋等诸多游戏里达成了SOTA成效的DeepMind的AlphaZero，运用的是强化学习以及搜索技术 。
不过，先前的组合方式，在被应用于不完全信息的游戏之时，像扑克，甚至是石头、剪子、布，就并不是那么能够产生预期效果了，这是由于此方式做出了一些，在这种状况下并不成立的假定。
任意给定动作的价值，由其被选择的概率所决定，进一步来讲，取决于整个游戏策略，围棋游戏的搜索空间是有限的，而且每一个动作的价值，在被选定之前能够评估出来。
基于信念的递归学习击败顶尖人类玩家
‘ReBeL’使‘游戏状态’这一想法得到了扩充，该扩充涵盖了代理依据常识及其他代理的策略所形成的，关于自身可能所处状况的置信程度，并将其纳入其中 。
ReBeL借助自我强化学习，从而开展了对两个网络的训练，这两个网络分别是一个价值网络，以及一个政策网络。它于自我对弈期间，运用两种模型来实施搜索。最终呈现出的是一种算法，这种算法具备简短、灵活的特性，研究人员宣称该算法能够在大规模的两人不完全信息游戏之中制胜顶尖的人类玩家。
以更高层次的角度而言，ReBeL 运行处于公共置信状态，并非世界状态（也就是游戏状态）。公共置信状态（PBSs）把「状态价值」的概念扩展至诸如扑克这类不完全信息游戏里，PBS 是于可能的动作以及状态的有限序列（亦称作历史记录）上的常见知识概率分布，能够给出发生不同结果的可能性 。
在完全信息的游戏里头，PBS能够提取到历史记录，在两人零和的游戏当中，PBS能够有效地提取到世界状态，扑克里的PBS是玩家做出的那一系列决定，以及特定手牌、底池和筹码时他们的结果。
游戏开始时，ReBeL会生成一个「子游戏」，此「子游戏」与原始游戏相同，它起始于最初的PBS，该算法借助运行「均衡查找」算法的迭代，且运用训练后的价值网络，在每次迭代时取近似值，以此来击败对手 。
和身为世界上极为出色的单挑扑克玩家其中之一的Dong Kim相较，ReBeL在7500手牌里，每一手牌玩的时长超出了2秒，并且决策所需的时长从来都不超过5秒。Facebook以往的扑克游戏系统Libratus的最高分数是147，然而ReBeL针对人类的平均每一场比赛盲注（强迫下注）分数是165（标准差为69）。
担心被拿去赌钱，Facebook决定不公开源码
于实验里，研究人员针对ReBeL开展了单挑无限制的基准测试，还进行了Liar’s Dice的基准测试，以及残局游戏的基准测试，ReBeL是无限制德州扑克的一种变体，在这种变体中，两个玩家能够在四轮投注里的前两轮实施检查或者叫牌。
研究小组动用了数量多达128台、带有8个显卡的电脑去生成模拟游戏数据，在训练的时候随机分配赌注以及堆栈大小，堆栈大小范围是从5,000到25,000个芯片，ReBeL于整场比赛里接受训练，并且拥有20,000美元用于下注。
受制于对作弊行径的牵挂，Facebook团队拿定主意不去发布用于扑克的ReBeL代码库，与之形成反差的是，他们把Liar’s Dice的实现予以开放了，Facebook的研究人员坚信ReBeL会让德州扑克于强化学习研究范畴更具人气。
虽人工智能算法已然存在，且还能够于扑克游戏里拿到超人般的表现，然而这些算法通常都作出这样的假设，即参与者要有一定数量的筹码，或者得使用一定的赌注大小 。
但于实战当中，你所拥有的筹码数量并非固定不变，故而需要再度对算法展开训练，在此种情形下若想开展实时对战便会存在困难。然而，ReBeL能够在短短几秒钟之内对任意赌注规模的策略加以计算。
参考链接：
网址：https://arxiv.org/pdf/2007.13544.pdf ，这是一个链接，它指向一篇论文，文中包含特定的研究。
脸书研发出一种人工智能算法德信竞技，该算法能够在瞬间学会玩扑克，相关内容可查看https://venturebeat.com/2020/07/28/facebook-develops-ai-algorithm-that-learns-to-play-poker-on-the-fly/ 。
