国内唯一德州扑克网址曝光！中科院出品，AI在线发牌

曝光了国内独一存有能进行德州扑克游戏的网址，此乃中科院满怀诚意制作而成，并且有着AI在线发放纸牌 。

一项国际卓越论文奖颁给了德州扑克？

这是真事。

近期，于在美国人工智能协会所办的人工智能前沿顶级会议——AAAI 2022之上，大会的卓越论文奖项，被授予了一款轻量级的德州扑克AI程序——AlphaHoldem。在同具备高水平的德州扑克选手展开对战时，它作出决策的速度以及各个方面的表现，已然抵达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

在普通人的认知里，不管从何种角度去看，对于德州扑克以及人工智能，头一个冒出来的想法定会是，二者之间毫无关联，完全扯不上关系。然而，只要去思索一下当初那个同柯洁对弈围棋的AlphaGo，难道不就能够比较容易地理解了吗？

这话没错，此次荣获奖项的德州扑克AI，也就是AlphaHoldem，它和AlphaGo是类似的存在。只是，在针对于AlphaHoldem展开训练的进程之中，其训练所采用的模型是德州扑克。

将游戏用作AI的训练模型，此在人工智能领域，已然是极为平常的一桩事 。

与围棋比较起来，德州扑克相比之更能够检验AI在信息不完整、对手状况不确定情形下的智能博弈技术。因而，近几年内，在业内大家都认可德州扑克相当适宜作为一个虚拟实验环境，针对博弈的相关基础理论方法以及核心技术算法呢，去做深入研究 。

当下，较为流行的德州扑克AI关键思路，是借助一种名为“反事实遗憾最小化（CFR）”的算法，去接近纳什均衡策略，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，这种方式总归存在一个相对显豁的短处，那便是它极大程度依赖人类专业人士去开展博弈树抽象，这便表明，不管是于开展AI培训之际，还是在最终对局期间，它都是需要海量的计算以及存储资源的，而这，同样构成了限制德州扑克AI进一步向前发展的障碍 。

，兴军亮团队在AAAI 2022上取得这样一场卓越非凡的论文奖绩，是依仗着其予以AlphaHoldem所应用的一种全新的、以端到端为根基的深度强化学习算法而达成的，。

端到端学习德州扑克AI学习框架

有一种新算法，它把一种经过改进处理的深度强化学习算法，与一种全新样式的自博弈学习算法相互结合起来，进而能够在不依赖任何领域知识的情形下，直接从牌面信息开始，端到端地去学习候选动作，随后做出决策。

呈现的数据表明，AlphaHoldem每次进行决策时的速度，甚至连短短3毫秒 的时长都未达到，其速度相较于之前同类型AI所进行决策的速度而言，加快了1000倍。而且，AlphaHoldem与4位具备高水平的德州扑克选手相互对抗，历经1万局的最终结果也证实，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 的想法德信竞技，最早是受 AlphaGo 启发，透过教 AI 下围棋，兴军亮发现，此动作实质是解决 AI 领域的“认知智能”问题，能让 AI 不仅知道“是什么”，且能知道“为什么”。

在人工智能的发展进程当中，游戏自始至终都是这一类相关研究颇为关键的试验场地。借由游戏达成对更为强大厉害AI的训练塑造，从而最终使得这一情况变成了兴军亮所设定的目标。

兴军亮

旨在全方位去知晓不同种类游戏的机制，平常很少接触游戏的兴军亮着手培育自身的“网瘾”，先是找出具有代表性的游戏，接着去钻研教程，而后练习手速，最终完成通关，每一步骤都不比职业玩家少，。

于这个进程里面，兴军亮愈来愈觉得，玩游戏是一桩极为有意思的事情。特别是各异游戏的机制设定，十分适宜用以探究一些基础的科学问题。在这当中，存在着游戏博弈。

此次获奖的程序，是德州扑克AI程序，其本质是博弈问题，属于不完美信息类型。德州扑克游戏规则中，每个人手上有两张私有牌。牌面大小对最终胜负无影响，玩家能借假装牌面大、押注金额大等手段吓跑对手。

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以此集中算力，让AI持续跟自己打牌，最终历经20天时间，打出大约1亿局。

紧接着，他们再度对游戏学习方面的性能予以了进一步的提升，这次，他们仅仅动用了1台服务器，在运行训练未满3天的情况下，便竟然能够达成预期的水平，。

在这会儿的这个进程当中，参与了训练的那个AI，能够去学会一些仿若人类专业选手才会把控的那些计谋。而这一情况，恰恰就是不完美信息博弈堪称最具趣味之所在。当前，兴军亮以及其带领的团队所打造而成的那个德州扑克在线人机对抗平台OpenHoldem（http://holdem.ia.ac.cn/），当下已然对外展开开放。按照兴军亮所表述内容来讲，这个系统没准儿就是国内唯一能够公开进行打德州扑克的场所。

当然，兴军亮的目标绝不仅仅是带着AI攻略下一款款游戏。

如不完美信息博弈这般的机制，于经济政策制定领域，有着十分广泛的应用，于法律法规优化领域，同样有着十分广泛的应用，于外交策略选择领域，还是有着十分广泛的应用。这些，乃是国际同行正奋力攻克之物，亦是国内相关研究相对薄弱之处。

致力训练出一个人工智能，它要更聪明，还要更有用，并且能够和人类融为一体，这正是兴军亮始终不懈追求着的方向。