焦点 |扑克中的人机战争已经结束。人类遭受了惨败。会玩扑克的AI有什么用？

重点关注 | 德州扑克人机对决赛事结束，人类遭受惨重失败，具备扑克游戏能力的人工智能究竟有何用途呢？

大商所网站2017.04.1011:24

经过为期5天的激烈鏖战，德州扑克人工智能系统Libratus毫无悬念地获取了最终胜利，在这场德州扑克人机大战里，中国龙之队的六位牌手总共同冷扑大师打了总计36000手牌，总共输掉了792327分，AI完完全全战胜了人类。

开赛之前就有情况表明，创新工场创始人、董事长李开复曾讲过“对人类能赢感到悲观赢的概率不到10%”，所以比赛的结局并非意外可知结果，真的。而在今年1月份的时候，于宾夕法尼亚州匹兹堡市的Rivers赌场里，CMU开发的Libratus人工智能系统击败了人类顶级职业扑克玩家，那场比赛持续了20天玩了12万手，最终AI赢得到了176万美元，事实确实如此。

会诈唬的AI

人工智能程序 Libratus，用于玩无限德州扑克，其策略并非基于专业玩家经验，故而玩牌方式可能有明显不同，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以建立自身策略，并且在比赛中能通过预测所有未来步骤的胜率来思考自己的下一步。

与围棋着重于凸显计算以及形式判断能力不一样，德州扑克更注重多人博弈的进程，怎样躲避人性贪婪等缺点，并且将科学的概率统计同灵活的实战策略巧妙地搭配起来。在围棋、象棋这类游戏里，机器与人类在进行决策之前能够获取全部信息，然而在德州扑克中，彼此没办法知道对方的底牌究竟是什么，也不清楚发牌员发出的下一张牌是什么，在“不完整信息”的状况下，人工智能需要依据经验或者概率统计知识，去猜测对手底牌以及下一张牌的可能性，接着再制定自身的应对策略。

李开复表示，如果AlphaGo是个超级天才，那冷扑大师CMU系统在一定程度上其实是个EQ专家，是靠EQ来打败你。表演赛为求降低发牌里的运气因素，机器人采用复式对称发牌，两两成对的牌手中有一人会拿到与配对牌手对打的机器人底牌，所以六名牌手要拆分到两个房间和冷扑大师对阵，比赛过程中还得确保配对牌手彼此不能碰面交流。在整场比赛期间，冷扑大师也常常涌现一些“怪异”的打法，像是常常超池下注，为对手带来极大的压力，且做出人类因心理缘由做不到然而正确的bluff(诈唬) 。

李开复表示，“这是非常重要的一点，AI借用增强学习技术，于自我对局内研习最优的扑克玩法，却避开从人类的既定模式里汲取经验。”然而，据悉当下Libratus的算法仅适用于无限制投注的一对一比赛，要是把比赛拓展至更常见的多人制比赛，Libratus面临的挑战会更大些，还得作策略上的升级与调整。

人工智能应用挑战

跟着马云所提到的疑问同样，人工智能战胜人类围棋大师，那又怎样，会打扑克的人工智能于解决更广泛的现实问题层面又存在哪些价值呢？在李开复看来，世界上大部分信息并非公开的，冷扑大师在面对不完全或误导信息之际的推理能力，未来能够解决决策、外交、商业合作、谈判方面的不确定性问题，成为人类的“参谋”。

谷歌人工智能大胜人类围棋大师，这让AlphaGo的能力得以充分被认知，然而在商业化方法以及能力方面却并不显著。就拿AlphaGo来说，它需学习数额庞大的棋局才行得以掌握有效的下棋技巧，冷扑大师当前的对战形式也是一对一，可现实生活里德扑乃是多人游戏德信竞技，多人游戏在计算方面的复杂程度，目前是冷扑大师根本无法胜任担任的。

人工智能，以及冷扑大师所提炼出的人工智能技术，怎样去发挥它的商业价值，李开复觉得依旧需要满足三个条件，海量的数据，数据有标注，单领域。比如说在金融领域，金融是由人创造出来的虚拟的，数据量庞大并且天生带有标注，像股票的涨停，小额贷款是否还钱，买了保险后是否出事都是一种标注，这就导致AI在放贷、银行、投资、保险方面具有潜力。

有余凯，即地平线机器人技术创始人兼首席执行官，曾向第一财经表达看法，其表示，比起告知人们人工智能能够做的事情，当下更为关键的反而是去告知人们人工智能做不了的事情。他认为人工智能进一步拓展面临的首要挑战是数据不足的问题，因为大家都知道，人工智能是构建于海量数据基础之上的，借助大数据训练来优化算法模型，就拿人脸识别技术来说，训练该算法模型需要最少百万级别的图片数据，这是众所周知的。

当前人工智能主要采用监督式学习，而有监督的训练需要带有标签的数据，所以数据的质量、精准度与输出结果紧密相连。“怎样去除数据里的噪音、垃圾信息，从而获取优质且带有标签的数据成为新的挑战，这当中涉及到无监督式学习或者半监督式学习。”地平线机器人技术联合创始人、算法副总裁黄畅讲道。

另一大挑战在于深度学习的推广存在问题，其场景迁移能力欠缺，每个领域的相关数据都得重新去收集，还得重新制定标准，之后再一次进行训练，进而很难实现跨领域推广。这些挑战也是人工智能工业界以及学术界迫切需要突破解决的问题。“在招聘的进程当中，学习深度学习的人数量众多，然而懂得迁移学习，具备增强学习能力，同时拥有思辨能力的人却极为稀少。”第四范式创始人、首席执行官戴文渊告知记者。

于实际应用方面，人工智能还有漫长的路要前行，恰似李开复在比赛结束后的回应那般，“人工智能已从具备完美信息的AlphaGo，延伸至不具备完美信息的冷扑大师，人机对战基本不存在悬念了，听闻AlphaGo近期就要来华与柯杰对战，实际上已然不再具备科学的意义了，往后更应该对在金融、医疗、教育等领域产生商业价值的商业领域的人工智能予以关注。”。