德扑大赛人工智能又赢了，但是和深度学习没多少关系_最新动态_新闻资讯_程序员俱乐部

　　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。

Intelligence Poker Rematch, January 11 2017" width="660" height="439" />

　　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。”

　　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。