在當?shù)貢r間 1 月 30 日，賓夕法尼亞州匹茲堡的 Rivers 賭場，卡耐基梅隆大學(xué) ( CMU )開發(fā)的人工智能系統(tǒng)Libratus ，在共計 12 萬手的一對一無限注德州撲克比賽中擊敗了四名頂級人類玩家 Jason Lee、Dong Kim、Daniel McAulay 和 Jimmy Chou，斬獲 20 萬美元獎金。
在經(jīng)歷了二十天的較量，至此，匹茲堡德州撲克人機大戰(zhàn)落下帷幕。四名人類玩家共計輸給 Libratus 176 萬美元籌碼，人類選手只在其中四個比賽日贏得了籌碼。慘敗。但是大家似乎已經(jīng)接受了之前 Alpha Go 擊敗人類的事實，以至于網(wǎng)絡(luò)上就此事并沒有多少回聲。
德州撲克玩法：
它是一種玩家對玩家的公共牌類游戲。一張臺面至少 2 人，最多 22 人，一般是由 2-10 人參加。德州撲克一共有 52 張牌，沒有王牌。每個玩家分兩張牌作為“底牌”，五張由荷官陸續(xù)朝上發(fā)出的公共牌。開始的時候，每個玩家會有兩張面朝下的底牌。經(jīng)過所有押注圈后，若仍不能分出勝負，游戲會進入“攤牌”階段，也就是讓所剩的玩家亮出各自的底牌以較高下，持大牌者獲勝。
由于撲克的特殊性，是“不完美信息”游戲。比如當你在下棋的時候，其實你和你對手的棋路都是完全展現(xiàn)出來的，你們得到的確定性信息是完全對稱的。撲克不同，你無法得知對手的牌面，沒有單一的一個最佳選擇，機器必須不斷改變其戰(zhàn)術(shù)，真正欺騙住對手。這一切需要用到大量復(fù)雜的運算和推理博弈，在充滿不確定性的情景中找到最佳策略，即所謂的“納什均衡”(納什均衡是一種策略組合，使得同一時間內(nèi)每個參與人的策略是對其他參與人策略的最優(yōu)反應(yīng))。CMU 的教授 Tuomas Sandholm 舉例，牌局中包含的可能性甚至大于全宇宙原子總和的數(shù)量。
百度首席科學(xué)家吳恩達(Andrew Ng)就曾指出，“撲克(不完美信息博弈)是人工智能最難攻克的游戲之一。每一步?jīng)]有所謂的最優(yōu)解，人工智能要采取隨機的策略，這樣它詐唬的時候?qū)Ψ讲艜圆粶省?rdquo;
詐唬( bluff )是德州撲克的一種經(jīng)典策略，體現(xiàn)了其中的博弈技巧：當你手中的牌面不夠大，你需要通過虛張聲勢加注嚇退對手，逼對手棄牌。這種策略需要足夠隨機防止被對手看穿，避實就虛，一定要選擇適當?shù)臅r機詐唬。計算機會根據(jù)選手過去的表現(xiàn)來判斷對手手里牌面大的概率有多少，從而做出當下的最佳策略。
實際上，就前方人類玩家的反應(yīng)，機器還是挺會詐唬的。選手Jason Lee 下場后便急切地想與 Libratus 的開發(fā)者們聊一聊：
我就是想確定一下他們是不是把計算機偷偷塞在我們腦子里了，因為它改變戰(zhàn)術(shù)的時候就像是針對我們每個人發(fā)動的人身攻擊 。
其實在 2015 年，CMU 家的 AI 程序 Claudico 就在無限下注的比賽中跟 4 位德?lián)漤敿馔婕医贿^手，共計進行了 8 萬手。只是最終只獲得了倒數(shù)第二名。
實際上德?lián)溥@門游戲更多的是依靠超算能力的”老一輩人工智能“而不是現(xiàn)在正當紅的深度學(xué)習(xí)，這次 Libratus 也是如此，動用了整個匹茲堡的超級計算中心來完成每一場比賽(比之前 Claudico 多出十倍”核心小時“)。
這次為了降低運氣成分，保證公平性，比賽中機器和人類玩家手牌是對調(diào)的，在不同房間的兩張桌上用的是完全相同的兩副牌。在這種狀況下人類慘敗…
由于玩家增加會大大增加游戲難度，這次是雙人版單挑無限注，之后據(jù)說 Libratus 還需要一段時間才能挑戰(zhàn)更多玩家。
下載文檔
