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。

目前国内仅有一个能进行德州扑克游戏的网站被披露出来，该网站是由中科院极具诚意地打造推出的，并且具备智能化的AI在线发牌功能。

一项国际卓越论文奖颁给了德州扑克？

这是真事。

近日，于美国人工智能协会所举办的人工智能国际顶级会议——AAAI 2022之上，大会的卓越论文奖项，被颁发给了一款轻量型德州扑克AI程序——AlphaHoldem。在与高水平德州扑克选手展开对抗之际，它的决策速度以及各方面表现，已然达到了人类专业玩家的水准。

而这项AI程序，就来自中国科学院自动化所的兴军亮团队。

打个扑克都能写论文？

这个德州扑克AI，到底有什么了不起？

德州扑克&人工智能

针对德州扑克以及人工智能来说，不管身为普通人的我们从何种角度去看待，最初的反应无一例外都会认定在那两者之间，是毫无关联的。然而，只要我们去思索一下那个曾与柯洁对弈围棋的AlphaGo，难道不就能够比较容易理解了吗？

所言非虚，此次荣获奖项的德州扑克人工智能——AlphaHoldem，正是如同AlphaGo那般的存在之所。只是，于针对AlphaHoldem的训练进程里，其训练的模型乃是德州扑克。

把游戏用作AI的训练模型，于人工智能范围之内，已然是极为平常的一桩事情。

相较于围棋，德州扑克更能够检验AI于信息不完整、对手不确定情形下的智能博弈技术。故而在最近几年里，业内一致认定德州扑克极为适宜当作一个虚拟实验环境，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。

当下，较为流行的德州扑克AI核心观念，是借助一种叫“反事实遗憾最小化（CFR）”的算法，去靠近纳什均衡策略，也就是在其他所有参与者策略已确定的情形下，任意一位参与者所采取的策略都是“最优解” 。

然而，这种方式始终存在一个相对显著的不足，那就是它过度依靠人类专家来施行博弈树抽象，这表明，不管是在开展AI训练之时，还是在最终对局之际德信竞技，它都需要海量的计算以及存储资源，而这，同样构成了限制德州扑克AI进一步拓展的障碍。

兴军亮团队在AAAI 2022获得卓越论文奖，原因在于，他们为AlphaHoldem采用了一种新算法，该算法基于端到端，属于深度强化学习算法。

端到端学习德州扑克AI学习框架

一种改进后的深度强化学习算法，与一种新型的自博弈学习算法相结合，形成了这种新算法，它能够在不借助任何领域知识的环境下，直接从牌面信息端到端地学习候选动作，进而做出决策。

据数据呈现，AlphaHoldem每一次进行决策时的速度，甚至连3毫秒都达不到，相比较之前同一类型的AI决策速度，快出了1000倍之多。而且，AlphaHoldem跟4位具备高水平的德州扑克选手，展开对抗1万局之后所得到的结果，也证实了它已然达到了人类专业玩家的水准。

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，最早是受AlphaGo启发，透过 teach AI to play Go，兴军亮发现，这个动作实质是在解决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，游戏自身便是相关研究的试验场地。借助游戏去训练出更为厉害的AI，这便成为了兴军亮所追求的目标。

兴军亮

有一个叫兴军亮的人，原本很少接触游戏，为了能全方位地去了解不同类型游戏的机制，他开始培养自己所谓的“网瘾”，具体做法是找出代表型游戏，接着查阅研究教程，然后练习手速，最后完成通关，这其中每一步所做的努力都不比职业玩家少，他是这样做的 。

于是，兴军亮在这个进程里，愈发感觉到，玩游戏是一种极具趣味的事情。特别是不同游戏的架构设定，特别适宜用以探究某些基础的科学课题。在这些当中，存在着游戏博弈。

先看此次获奖的德州扑克AI程序，它的本质是个不完美信息的博弈问题。德州扑克有其游戏规则，每个人手上会有两张私有牌。牌面大小对最终胜负没影响，玩家能通过假装牌面大、押注金额大等方式来吓跑对手。

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天时间，打出了约1亿局 。

随后，他们对游戏学习的性能予以了进一步的提高。此次，他们在用仅1台服务器的情形下，训练的时间不足3天，便能够达成预期的水准。

在这个进程之中，参与开展训练的人工智能能够学到一些近似于只有人类专业选手才会把控的谋略。而这一点，恰恰是不完全信息博弈最为有意思的所在。目前，由兴军亮以及团队打造的德州扑克在线人机对抗平台OpenHoldem，其网址为http://holdem.ia.ac.cn/ ，当下已经面向公众开放。依据兴军亮所言，这个系统或许是国内唯一能够公开进行德州扑克游戏的场所。

当然，兴军亮的目标绝不仅仅是带着AI攻略下一款款游戏。

在经济政策制定这个领域，存在着像不完美信息博弈这样的机制，它有着很广泛的应用。在法律法规优化这个领域，同样存在像不完美信息博弈这样的机制且应用广泛。在外交策略选择这个领域，也存在像不完美信息博弈这样的机制并且应用广泛。而这些领域，是国际同行正在努力攻克的，同时也是国内相关研究比较薄弱的。

兴军亮不懈追求的方向，是去训练出一个人工智能，这个人工智能要更聪明，要更有用，并且要可以和人类融为一体 。