AI 战胜人类玩家，德州扑克无限注单挑胜率情况如何？

去年，人工智能吸引住了世人的目光，赚足了眼球，原因在于它击败了世界围棋冠军 ，这对于人工智能而言就是一个里程碑 ，如同1997年IBM设计的打败象棋大师Garry Kasparov的深蓝一样。

近日，有几位分别来自加拿大、捷克的计算机科学研究者，在arXiv上贴出了论文，论文介绍了一种新算法，该算法用于不完美信息，比如扑克，DeepStack结合循环推理来处理信息不对称，它使用分解将计算集中在相关决策上，还使用一种深度学习技术，此技术能从单人游戏中自动学习有关扑克任意状态的直觉形式。若干撰写论文的工作人员表示道，一场具有数十位参与者共同开展进行的规模达到有44000手扑克量较量的比赛里，DeepStack是首个于一对一包含无限注条款规定的德州扑克竞赛模式下击败有职业身份扑克选手的计算机程序。

跟职业选手对抗结果

DeepStack曾和33位人类选手展开了4.4万手的比拼，较量是于线上进行的，时间处于2016年11月7日至12月12日之间。最终赢得胜利的前三位选手，分别获得了5000、2500以及1250加元的奖励。以下是对局的结果。该结果表明，DeepStack的平均赢率是492 mbb/g（通常人类玩家到50 mbb/g便被视作具备较大优势，750mbb/g 就是对手每局都弃牌时所能有的赢率）。

一大类，序列不完美信息博弈里存在通用算法，它叫DeepStack。我们会解释，在HUNL（heads – up no – limit，一对一无限注）德州扑克中，DeepStack有着什么作用呢。扑克游戏的状态，能划分成玩家的私人信息，也就是两张牌面朝下被拿着的手牌，还有公共状态，这公共状态涵盖牌面朝上的公共牌以及玩家的下注顺序。游戏当中，公共状态的可能序列会形成公共树，每个公共状态都有与之相关联的子公共树。

HUNL公共树之中的一部分，红色以及湖蓝色用来表示玩家的动作，绿色代表着被翻开的公共牌。

存在这样一张图，它对应着DeepStack的整体架构，架构被划分成三个部分，分别是（a）、（b）、（c）。在部分（a）当中可以看到，DeepStack处于有每一个公开状态之际，每一次都需要去重新计算其所需的动作。这时，还有着这样的情况，其中的子树值会借助一个已经训练好的深度神经网络Neural net来进行计算，而这个Neural net就是部分（b）。并且，用于训练Neural net的样本就是部分（c）。

总的来讲，DeepStack把递归推理也就是Recursive reasoning加以融合，凭着这样子去处理信息不对称性，并且还把分解也就是Decomposition进行结合，借此将集中计算置于相关决策之上德信竞技，由此孕育出一种有关任意牌的直觉便是Intuition，而这种直觉能够借助深度学习开展自我玩牌从而自动学习出来。

有一个关于论文的下载地址，它是这样的，https://arxiv.org/pdf/1701.01724v1.pdf。

德州扑克已然成为极为流行乃至于人工智能着手研究测试之地，每一位扑克玩家手中握持的底牌，此为“私有信息”且其他玩家无法看见，故而被称作是“非完整信息”（Imperfect information）的博弈，这与围棋存在极大差异，围棋属于完整信息公开的博弈，玩家们能够观看到棋盘上的每一枚棋子，思索所有落子的可能性，所以德州扑克于人工智能而言，更具挑战性。

由Michael Bowling作为通信作者的《DeepStack》这篇论文，该Michael Bowling曾于2015年初的时候，接受了《New Scientist》的采访，在那次采访当中，他说道，德州扑克最具趣味之处在于，你没办法获取到完整的信息。

卡耐基梅隆大学，也就是CMU，其中的Tuomas Sandholm教授表达一番言论，他说，扑克在非完整信息情况下，成为了衡量计算机智能水平的标准，并且它被视作一种超越图灵测试的存在。

值得玩味的是，存在着两位教授，他们各自带领着自己的团队，致力于攻克那个新型的图灵测试，其中一位所在之地是加拿大阿尔伯塔大学，另一位所在之处是美国卡内基梅隆大学。

几天前，CMU给出预告，由Tuomas Sandholm教授带领研发的Libratus人工智能系统，将于当地时间1月11日，在宾夕法尼亚州匹兹堡的Rivers赌场，和四个顶级职业玩家玩12万手的HUNL，同时角逐20万美元奖金。早在2015年，Libratus的前身Claudico与人首次对战，在8万手的对阵中完败，此次算作CMU的卷土重来。

尽管我们已然知晓了结局，Alberta在CMU之前，将那篇论文发表了出来，然而Libratus与人类玩家的对战会于Twitch平台上开展直播。要是你想持续关注这项赛事的最新动态，那么请记住锁定一起扑克啦！

11月11日，比赛会在潘桑维尼亚洲匹兹堡的河岸娱乐场举办，四名世界顶级玩家，也就是Jason Les、Dong Kim、DanielMcAulay以及Jimmy Chou，将在为期20天的锦标赛赛程里和AI展开120000手牌的对战，以此争夺总额为$200000的奖金。

对人类玩家来说，还有很长的路要走

有一个机器，它呈现给与它对战的人类玩家的形象，是极为冷酷无情的对手。Jason Les讲了句话，他常跟人说，能描述这种体验态势的词在这儿：拉磨。起初的那几天，牌局持续到半夜才结束。完了之后，我们返回酒店。然而，睡觉之前，还要钻研好几个钟头。早晨9点我们醒来，接着又会再次仔细研讨一番。Jason Les本人是职业扑克玩家，曾同卡内基梅隆设计的上一代AI系统较量过。上一代AI所参与的第一场锦标赛是那个，Jason Les今年会持续与这一代AI展开对战。

对于娱乐观众而言，这个系统的行动，并不像具备创造性的AlphaGo的行动那样，能带来刺激感。“许多人将此视作一种防御性策略，你所需要做的便是，避免被对手打败，于所有对手未展现出最佳状态的困境中，竭力争取一定优点。”。

AI的玩法正在藐视所有传统的智慧

然而，Sandholm也很快就指出了，安全的玩法与普通的玩法并非是同一回事。“今年的扑克项目以及一年半以前的扑克项目Claudico都增添了新的行动。它们会采取一些被扑克文学视作极为糟糕的行动。”比如说一手牌局中的首个行动，跟进入池意味着你仅是跟注对手，你只需投入最少的资金便能够继续玩这手牌。所有扑克书籍都认定这属于一个糟糕行径，然而，卡内基梅隆大学所设计的扑克机器人与进入池的概率，大概位于7%至16%的该范围之中。

关于怎样玩这个游戏，这与人类思维存在巨大差异，Sandholm提及，计算机算法依据游戏规则算出解决办法，且不给它们人类打牌的任何历史数据，它们打牌像火星人般自行算算该采取的策略 ，这台AI还会进行很多与众不同的类似驴式的下注，这和人类传统玩法不同，它会从上次轮中最后下注的玩家处取得主动权。

人类玩家将会采取AI使用的策略

Les讲：“我觉得，它们给人类玩家呈现出它们能够使这些传统的策略发挥功效。”“然而，实际上，要是没有计算机的协助，就极难模拟运用这些策略。”Dong KyuKim这般讲时，已然参与设计曾在2015年与卡内基梅隆大学设计创作的上一代系统进行过对战，且采用了致使AI使用的一些奇特策略。对Claudico所学到的诸多内容，Kim称：“我已经将它们应用于我自己的游戏里。”。他深信，追随着AI前行的步伐，能够使他获取到诸多，那些其他人类玩家并不具备的优势。

2008年，亚伯达大学一组人员构建了一个AI系统，该系统比有限注德州扑克里实力最强的人类玩家还要厉害一些。这些人员属于一支队伍。2015年，在一局充满变数的游戏当中，系统做到了几乎完美的打法。无限注德州扑克因为没有限定下注量，会使得它比其他扑克玩法更加复杂。然而，所有参与这个锦标赛的职业扑克玩家都怀有这样的感觉，那就是机器领先人类只不过是需要一些时间罢了。

职业玩家知道机器打败人类只是时间问题

Jimmy Chou如此讲道，他觉得扑克跟象棋、围棋的差异并不足够大，所以最终计算机是会占据优势的。人类或许会因自身不可被预测的特性偶尔取得上风，然而从长远来讲，他会把赌注押在高效的机器身上，因为它们有的是数学还有科学。Kim也认同这一观点，其表示作为一名职业玩家，尽管自己不愿承认，可他相信在所有种类的扑克游戏里，机器最终都会击败人类。这仅仅是个时间的问题。

虽深蓝与AlphaGo的胜利令公众想象力被抓住，然而能解决完全信息游戏的系统，于应用领域仍具一定局限性。Sandholm声称：“多数真实世界的互动，均包括多方参与，且存在不完全的信息。”研发一个能在此类项目上超越人类的系统，“从AI角度看会更具重要性，还可让整个世界更美好。”AlphaGo的创造者，既留意无限注德州扑克，又关注星际争霸II，此二者皆是不完全信息的游戏。

这类AI可以用来对抗黑客或癌症

比如说，Sandholm曾目睹过跟自身设计相仿的系统，于一场繁杂的拍卖里，为顾客或者公司开展自动化的谈判。它也极有可能在网络安全方向寻觅到自身的位置，助力优化网络防御工程，更有效地抵御黑客的攻击。并且，Sandhol还期望AI在未来的某个日子能够被应用于医学范畴。“我们当下正瞅着一些自体免疫病症以及癌症，期望能更出色地改良人体自身的免疫系统，以便在不久的将来能更棒地对抗疾病。”。他作出解释指出，T细胞并非是那种可被认定为我们敌人的存在，然而你能够运用这些与之相关的技术去对它们进行处理。

本周节目预告：

点击图片查看报名方式：