德扑大赛人工智能又赢了,但是和深度学习没多少关系

当地时间 1 月 30 日,在宾夕法尼亚州匹兹堡的 Rivers 赌场,卡耐基梅隆大学 ( CMU )开发的人工智能系统Libratus ,在共计 12 万手的一对一无限注德州扑克比赛中击败了四名顶级人类玩家 Jason Lee、Dong Kim、Daniel McAulay 和 Jimmy Chou,斩获 20 万美元奖金。

在经历了二十天的较量,至此,匹兹堡德州扑克人机大战落下帷幕。四名人类玩家共计输给 Libratus 176 万美元筹码,人类选手只在其中四个比赛日赢得了筹码。惨败。但是大家似乎已经接受了之前 Alpha Go 击败人类的事实,以至于网络上就此事并没有多少回声。

SCS, Brains Versus Artificial Intelligence Poker Rematch, January 11 2017

图片来源

德州扑克玩法:

它是一种玩家对玩家的公共牌类游戏。一张台面至少 2 人,最多 22 人,一般是由 2-10 人参加。德州扑克一共有 52 张牌,没有王牌。每个玩家分两张牌作为“底牌”,五张由荷官陆续朝上发出的公共牌。开始的时候,每个玩家会有两张面朝下的底牌。经过所有押注圈后,若仍不能分出胜负,游戏会进入“摊牌”阶段,也就是让所剩的玩家亮出各自的底牌以较高下,持大牌者获胜。

由于扑克的特殊性,是“不完美信息”游戏。比如当你在下棋的时候,其实你和你对手的棋路都是完全展现出来的,你们得到的确定性信息是完全对称的。扑克不同,你无法得知对手的牌面,没有单一的一个最佳选择,机器必须不断改变其战术,真正欺骗住对手。这一切需要用到大量复杂的运算和推理博弈,在充满不确定性的情景中找到最佳策略,即所谓的“纳什均衡”(纳什均衡是一种策略组合,使得同一时间内每个参与人的策略是对其他参与人策略的最优反应)。CMU 的教授 Tuomas Sandholm 举例,牌局中包含的可能性甚至大于全宇宙原子总和的数量。

百度首席科学家吴恩达(Andrew Ng)就曾指出,“扑克(不完美信息博弈)是人工智能最难攻克的游戏之一。每一步没有所谓的最优解,人工智能要采取随机的策略,这样它诈唬的时候对方才会吃不准。”

58858bfcb74e7

诈唬( bluff )是德州扑克的一种经典策略,体现了其中的博弈技巧:当你手中的牌面不够大,你需要通过虚张声势加注吓退对手,逼对手弃牌。这种策略需要足够随机防止被对手看穿,避实就虚,一定要选择适当的时机诈唬。计算机会根据选手过去的表现来判断对手手里牌面大的概率有多少,从而做出当下的最佳策略。

实际上,就前方人类玩家的反应,机器还是挺会诈唬的。选手Jason Lee 下场后便急切地想与 Libratus 的开发者们聊一聊:

我就是想确定一下他们是不是把计算机偷偷塞在我们脑子里了,因为它改变战术的时候就像是针对我们每个人发动的人身攻击 。

其实在 2015 年,CMU 家的 AI 程序 Claudico 就在无限下注的比赛中跟 4 位德扑顶尖玩家交过手,共计进行了 8 万手。只是最终只获得了倒数第二名。

实际上德扑这门游戏更多的是依靠超算能力的”老一辈人工智能“而不是现在正当红的深度学习,这次 Libratus 也是如此,动用了整个匹兹堡的超级计算中心来完成每一场比赛(比之前 Claudico 多出十倍”核心小时“)。

这次为了降低运气成分,保证公平性,比赛中机器和人类玩家手牌是对调的,在不同房间的两张桌上用的是完全相同的两副牌。在这种状况下人类惨败…

由于玩家增加会大大增加游戏难度,这次是双人版单挑无限注,之后据说 Libratus 还需要一段时间才能挑战更多玩家。

更多有趣好玩的内容 尽在品玩微信公众号
brand

PingWest品玩移动客户端