前位KK生存指南，顶级牌如何打出最大盈利？
2026年3月14日
您如何评价这个HU？
2026年3月14日
2017.1.30和四位选手奖金
人机扑克是什么：
Libratus是个人工智能程序，它玩的是无限德州扑克，其策略并非基于专业玩家经验，它的玩牌方式或许有明显的不同 ，它基于在匹兹堡超级计算机中心约1500万核心小时的计算，使用着算法去分析德州扑克规则，还要解决AlphaGo也对付不了的不完美信息，进而建立起自身的策略，并且它在比赛里，能通过预测所有未来步骤的胜率来思索自己的下一步。
研究背景：
2016年，卡耐基梅隆大学，也就是以下简称CMU的那所大学，有一位名为Tuomas Sandholm的教授，他曾领导开发了一个打扑克用的程序Claudico，然而在一场面对着数位高手的比赛当中，它惨败了，而这个Claudico正是Libratus的前身，它还是扑克智能程序的前身哟。2017年，Libratus被Sandholm教授与另一位Noam Brown博士共同开发完成，Libratus水平提升是基于数个技术进步，其中包括一个新的平衡近似技术，还有几种新的用于分析可能结果的方法。
操作难题在于，不完整信息博弈早就被证实是极难攻克的计算机难题，针对此情况，CMU的人工智能研究者们聚焦于信息集，他们通过同时思索未知和已知变量的各类可能状态这种方式来开展预测，而这是需要强大计算能力的。
计算技术方面，存在一台名为Bridges Super Computer的超级计算机，在每一个牌局结束之后的那个夜晚，位于匹兹堡市的超级计算中心里的Bridges电脑会开展执行计算这一行为，其目的是运用计算来对Libratus的策略进行优化，而在白天进行比赛的过程期间，Bridges被用于针对每一手去计算终结游戏策略，Bridges还提供了三种被称作节点的类型的计算选项，分别是常规、大型以及超大型。Bridges并非是当下世界范围内最大、最快且最强劲的超级计算机，然而它有可能却是面向大众公开开放的，具备最大规模、最快速度以及最强劲性能的超级计算机，在Bridges给予的助力之下，原本于个人电脑上需要耗费数月时间才能完成的计算工作，仅仅只需几个小时便能够完成。
技术应用方面，并非采用专业牌局来完成神经网络的训练，这与AlphaGo运用大量棋局开展训练有所不同，此模型所使用的训练数据，是随机生成的牌局，其中包括随机产生公共牌、底池筹码以及玩家拿牌概率，还有尝试性动作带来的结果，即在随机生成的输入情形下模拟玩家跟牌后的结果。Libratus运用了博弈论，和AlphaGo不一样德信竞技，Libratus系统并非借助分析大量可能的下一步去完成任务，这个由CMU构建的新系统凭借平衡风险与收益来抉择自己的下一步，处于纳什均衡定义里的完美游戏状态。
对外赛事：
2015年，CMU组织了首场“大脑对抗人工智能”赛事，在那次赛事里，代表CMU出战的是另一款人工智能系统，它是由Tuomas Sandholm教授开发的“Claudico”，有四名职业扑克玩家参加了比赛，那时扑克职业玩家与Claudico仅进行了8万手牌的比赛，可是，Claudico并未取得最终胜利。
在2016年那11月初开始的四周时间里，由阿尔伯塔大学所开发的DeepStack，战胜了11位德州扑克职业选手中的10位，从统计角度而言，赢的优势相当显著，并且与每一位对手都玩了3000手。
2017年1月30日，这一天是美国时间，在宾夕法尼亚州匹兹堡那儿的Rivers赌场，CMU所开发的Libratus人工智能系统，把人类顶级职业扑克玩家给击败了。依据官网所做的介绍，此次举办的比赛，总共持续的时长为20天，是由四名身为人类的职业玩家，分别是Jason Les、Dong Kim、Daniel McAulay以及Jimmy Chou，他们来对战人工智能程序Libratus的，在那段长达20天的赛程期间，需要面对玩12万手的情况，最终人工智能赢得了176万美元。
未来发展：
有一款名为Libratus的数据产品，它在德州扑克人机大战里头，获取到了最终的胜利成果，这身为人工智能领域的一项巨大成就。德州麻将也如围棋、黑杰克、桥牌这类游戏一般，需要运用到推理能力以及心理层面的战斗玩法，然而这一项能力对于机器而言，是很难去进行模仿的。于围棋界当中纵横无敌的DeepMind AlphaGo，其本质所处理的依旧是完美信息博弈，它没有办法去处理德州扑克所存在的不完美信息问题，更不用说能够使出诈唬这种方式了。Libratus当它面对不完全或者出现误导性信息的时候，是拥有进行推论演绎的相应能力的，这成就了它在德州扑克人机大战里的胜利。实际的世界里头，并非完美的信息才算是常态，各种各样肉眼看不见的隐匿信息造就出了大量的不确定性，然而，那种由德州扑克所代表的便是这种类别的博弈呀。
未来，类似Libratus的AI，可用于商业谈判领域，也可用于网络安全领域，还可用于医疗方案制定等领域。人工智能发展的终极目标，是通用人工智能，即AGI。通用人工智能能够解决任何一个问题，它不像Libratus那样只能专注于扑克，也不像AlphaGo那样只能专注于围棋。要想实现AGI，就得让人工智能学会解决不确定性问题，这也是此次人机大战的重大意义之一。
2017年1月匹兹堡赛事现场画面
