德州扑克：AI打牌已能完胜人类

完美信息博弈和不完美信息博弈

对AI而言，为何不容易在德州扑克上战胜人类呢，德州扑克与围棋究竟对AI存在着怎样的区别呢，首先，需明白完美信息博弈即棋牌类游戏，以及不完美信息博弈指的是扑克类游戏的区别。

完美信息博弈也就是说，那后行动的参与者，可以去观测那些先行动的参与者的行动信息。就如同棋牌类游戏，双方的信息是共享的，比如说围棋，双方都能够看到场上所已经下过的棋子，还能知晓双方的优势与劣势。

扑克问题，双方信息并不公开于对方，谈判问题，双方信息也不公开给对方，商业决策问题，同样双方信息都不会给对方公开，也就是说，参与者做选择之际，并不清楚其他参与者的选择，如此便被称作不完美信息博弈。

简而言之，要是将别的参与者的行动视作一个参与者做决策之际所面临的环境，那么信息不完美呢，就是决策者不清楚自身所处的那个决策环境。

对于德州扑克而言，哪怕对手把自己所有的筹码都进行全押了，然而我们依旧没办法确切知晓他手中究竟持有什么样的底牌，由信息存在不对称这种情况，进而使得大家伙不得不具备有着“赌一把”的一种精神。

这也是为什么金融人士和投资大佬们都喜欢玩德州扑克。

借助理工的思维，来讲讲到底AI是如何在完美信息博弈类游戏当中，战胜人类的。

对于围棋这项游戏而言，它属于一场零和且具备完美信息的博弈，这意味着在任意时刻，参与游戏的双方玩家都清楚知晓此前游戏的全部状况（此为完美信息），而且历经有限步数之后，游戏的结局不是获胜就是失败（这是零和）。由于知晓了游戏的有限状态，所以计算机能够借助暴力枚举手段来算出后续所有可能出现的下法，进而构建出一棵庞大的搜索树，这棵搜索树能够罗列出在当前状态下所有可行的下法，同时每个子搜索树均可独立进行求解，如此计算机便能依据计算得出的结果来安排相应的策略，最终实现胜利。

比如说，有个叫小明的小孩，是在一个平平常常的中国家庭里成长起来的，在他这一辈子当中，会碰到好多好多的选择，那到底要怎样做，才能够在往后走向人生的顶峰呢？要是能够把他未来会出现的所有可能性都罗列出来，将每一步所做的选择都拆分成一个个所谓的“子未来”，那样就能够算出成功几率最大的那个选择了。（所举例子或许不太合适，明白意思就行，嘻嘻）

小明同学的人生探险

首先德信竞技，要是假定我们具备无限大的计算资源，那么就能把一局游戏的博弈给逐个拆解开来弄成一个个子博弈 ，接下来，要将所有的可能性都列举清楚 ，通过这个样子，进而计算出那种胜算算得上是最大的打法 ，最后依据这个打法就能够打赢比赛了。

但是，对于棋类游戏里相对简单的西洋棋而言，其分支因子差不多是40左右。这意味着，要预测后续20步的动作，就得计算40的20次方。这数量是何等巨大，就算是拥有1GHz处理器的情况下，也得计算3486528500050735年。要注意，此乃较为简单的西洋棋。

电脑：“我压力太大了，哇的一声炸开花”

所以，科学家们运用一些剪枝办法，采用搜索之类算法，来缩减计算范围，进而在有限时之内，找出最佳策略。

不完美信息博弈类游戏

终于讲到了今天的主角，德州扑克。

德州扑克是有着隐藏信息于其策略设置里的，极为典型的不完美信息博弈类游戏，这类模型存在大量应用场景，如同谈判、拍卖等。不完美信息博弈做不到像完美信息博弈那般因一个子博弈最佳策略可能依赖其他未得子博弈策略及输出就通过分解去求解。

也就是换个说法来讲，我们没办法凭借预测出对方下注的数量进而推测出对方手中持有的牌是什么，原因在于或许对方手中的牌并非良牌，可他却借助下注来对你实施欺骗，致使你做出弃牌的选择。因而，这般事情对于缺乏心机的计算机而言是颇为艰难的，对手在第一手就全部押注了，然而他手中的牌究竟是否良好呢？

所以，在我目睹AI于德州方面同样战胜人类之际，内心还略微产生了少许的小激动，或许迈入未来之后，机器人能够拥有女人的那种第六感了。

那AI到底是如何打败人类的呢？

那些存在于论文里，被提及的，数量众多且理解起来颇具难度对于自己而言实际上也不太能看懂只能选择逃避的算法，为方便理解起见，我们借助一个简单的博弈模型来进行举例，尝试实现对较为聪慧的AI的理解。

我们来设计一个简单的游戏。

在游戏玩家这一项里；有被称作A以及B的两个人；A能够进行一次抛出硬币这个动作；针对于硬币出现的是正面还是反面此种状况；只有A自己方可看到；当完成抛硬币这个行为之后；A存在两类可实行的抉择；其一为sell；也就是把硬币售卖出去；其二为play；便是与B一同参与游戏。

①A选择了sell：

② play由A做出了选择，游戏持续进行，此后轮到B去猜测硬币究竟是处于正面朝上还是反面朝上的状态。

这个时候，针对于B来讲，这属于一个并非完美的博弈，他没办法凭借A选择play进而推断出A手中所握的硬币究竟是正面还是反面。

这时，存在着两种极限的情况，要是B始终毫无例外地猜正面，那么才智颇高的A就会改变自身的策略，当A抛硬币得到正面的时候，A就会把硬币卖掉，要是A抛到的是反面，A才会去玩游戏，如此这般，B肯定是会输掉的。在这个时候，A所拥有的期望分数是：

0.五（抛到正面的概率）乘以零点五（选择sell的得分），加上零点五（抛到反面的概率）乘以一（选择play的得分），等于零点七五。

要是B始终都猜反面，那么当A抛到正面之际就会去选择玩，从而得到一元钱；而当A抛到反面之时就会选择售卖硬币，如此仅仅会赔五毛钱。所以A的期望是：

0.抛到正面的概率为5，选择play的得分是1，抛到反面的概率是0.5，选择sell的得分是 -0.5，它们相乘后相加的结果等于0.25。

这一刻，有一个知识点冒出来了，叫纳什均衡，也就是说，B为了能有效地去降低那件损失，他最合适有效的那种策略是把以0.25的概率去猜正面，以0.75的概率去猜反面这二者相结合，如此这般才能够确保他的胜算达到最大。

那博弈始终是个动态的进程，要是B一直依循固有的策略去做决策，如此一来A也会依据B的决策结果来调整自身的策略。故而，对于B而言最安全的办法，便是持续更新A卖掉硬币所能获得的回报，不断寻觅那最优解。

我们那聪明的计算机，是借助这样的方法，以一种动态的方式，去计算牌友们押注所带来的回报期望，靠此方法进而“持续更新对手的套路”，最终达成了「比赛过程中，人类选手整体上从未领先过」这种效果。

如此看来，若要与AI进行斗智，人类那小小的脑筋，或许还得转动得更为迅速方可，说不定不存在套路，才是最为厉害的套路呢。

都说那些称得上金融领域极具影响力的大佬们都热衷于玩德州，在看过这篇文章之后，这些金融界的大佬们是不是会产生一些有所领悟的感觉呢？