德扑人机大战结束人类惨败，会打扑克的AI到底有啥用？

历经5天的激烈战斗，一款叫Libratus的德州扑克人工智能系统毫无悬念地取得了最终胜利，在这场德州扑克人机对抗中，中国龙之队的六位牌手总共与冷扑大师进行了36000手牌的较量，总共输掉了792327分，人工智能完胜人类。

比赛的结局并非超乎想象，在开赛以前，创新工场的创始人、董事长李开复曾讲出“对人类能获胜感到悲观，获胜的几率不到 10%。”实际上在今年的 1 月份时，于宾夕法尼亚州匹兹堡的 Rivers 赌场之中，CMU 所开发的 Libratus 人工智能系统曾战胜过人类顶级职业扑克玩家，那场比赛总共持续了 20 天，玩了 12 万手，最终 AI 赢取了 176 万美元。

会诈唬的AI

玩着无限德州扑克的人工智能程序是 Libratus，其策略并非基于专业玩家经历，出牌方式或许有显著差异。它借助在匹兹堡超级计算机中心差不多是 1500 万核心小时的计算，运用算法剖析德州扑克规则，进而构建自身策略，并且在竞赛里，能够凭借预测所有未来步骤的胜率来思索自身下一步。

并非如围棋那般着重于计算以及形式判断能力，德州扑克更侧重于多人博弈的进程，怎样去规避人性贪婪这类弱点，并且把科学的概率统计跟灵活的实战策略妥善地贴合起来。于围棋、象棋等游戏里，机器与人类在进行决策之前能够获取全部的信息，然而在德州扑克当中，彼此没办法知晓对方的底牌究竟是什么，同样不清楚发牌员所发出的下一张牌是啥，在处于“不完整信息”之际，人工智能非得凭借经验或者概率统计知识，去揣测对手底牌以及下一张牌的可能性，接着再拟定自身的应对策略。

“要是AlphaGo算作一个超级天才，冷扑大师CMU系统实际上在一定程度上是一个EQ专家，是凭借EQ去打败你。”李开复讲道。表演赛为了求取降低发牌里的运气因素，机器人运用复式对称发牌，两两成对的牌手当中一人会拿到与配对牌手对阵的机器人底牌，所以六名牌手会拆分在两个房间和冷扑大师对抗，比赛进程中还得保证配对牌手相互不能碰面交流。就整个比赛而言，冷扑大师常常会展现出一些“诡异”打法，比如说，时不时超越正常范围进行下注，如此便给对手带去极其巨大的压力，而且还会做出那种人类因心理方面的缘由而无法做到但却是正确的bluff(诈唬)行为。

李开复称，“AI运用增强学习技术，于自我对局里学习最优扑克玩法，且避开通过人类的既定模式来学习经验，这的确是相当关键的一点。”然而，据悉当前Libratus的算法仅适用于无限制投注的一对一比赛，要是将比赛拓展至更为常见的多人制比赛，Libratus所面临的挑战会更大些，还得实施策略上的升级与调整。

人工智能应用挑战

如同马云所提到的那般疑问，人工智能战胜人类围棋大师，那又怎样，会玩扑克的人工智能在应对更为宽广的现实问题层面又具备哪些价值呢？在李开复看来，世界上绝大多数的信息并非公开的，冷扑大师在遭遇不完全或者误导信息之际的推理能力，未来能够化解在决策、外交、商业合作、谈判方面的不确定性问题，成为人类的“参谋”。

然而，就像谷歌人工智能在与人类围棋大师的较量中取得巨大胜利，从而让AlphaGo的能力得到了充分的认识，可是在商业化的方法以及能力这方面，却并非十分显著。以AlphaGo作为例子来说，它需要去学习数量极为庞大的棋局，才能够掌握行之有效的下棋技巧。而冷扑大师当前的对战形式同样是一对一，然而在现实生活当中，德扑是多人参与的游戏，多人游戏在计算方面所具备的复杂程度，是如今冷扑大师根本无法胜任的。

由人工智能以及冷扑大师所提炼出的人工智能技术，怎样去发挥其商业价值呢，李开复觉得依旧得满足三个条件，分别是海量的数据德信竞技，数据要有标注，还有单领域。比如说在金融领域，金融是虚拟的，是由人创造出来的，其数据量庞大，并且天生就带有标注，像股票的涨停，小额贷款是否还钱，买了保险后是否出事，这些都是一种标注，这就让AI在放贷、银行、投资、保险这些方面具备潜力。

相对而言，把人工智能不能做什么告知众人，现阶段比告知人们人工智能能做什么更为关键。地平线机器人技术创始人兼首席执行官余凯，曾向第一财经表明，依他之见，人工智能得以进一步拓展的首要难题是数据匮乏的状况。众人皆知，人工智能是构建于海量数据基础之上的，借助大数据开展训练，进而优化算法模型。以人脸识别技术来讲，用以训练这一算法模型起码需要百万级别的图片数据。

当下，人工智能主推方式为监督式学习，而有监督的训练必然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关联。且“怎样去除数据里的噪音、垃圾信息，从而获取优良且带有标签的数据成了新挑战，此中便涉及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。

另外还有一个显著的挑战存在着，那就是深度学习在进行推广以及场景迁移的时候能力是欠缺的，在每一个不同的领域当中，相关的数据都必须要重新去收集起来，还要去制定标准并且再次进行训练，这使得跨领域的推广变得极为困难。这些挑战同样也是人工智能工业界以及学术界迫切需要去突破解决的问题。“在开展招聘的这个过程当中，去学习深度学习的人数量众多，然而懂得迁移学习、增强学习，同时还具备思辨能力的人却是少之又少。”第四范式的创始人、首席执行官戴文渊向记者如此说道。

处于实际应用这个层面，人工智能还有着漫长的路要去走，就如同李开复在比赛结束之后所做出的回应那般，“人工智能已经从拥有完美信息的AlphaGo，延伸到不具备完美信息的冷扑大师，人机对战基本上不存在悬念了，据说AlphaGo在近期就快要来到中国和柯杰进行对战，实际上已经不再具备科学方面的意义了，往后更应当去关注商业范畴的人工智能，在金融、医疗、教育等这些领域所产生的商业价值。”。