德撲大賽人工智能又贏了但和深度學習沒多少關係_碁牌

Enjoy the best vacation, Enjoy your life.
2019-01-12
德州撲克比賽

  文章來源:新浪科技

  當地時間 1 月 30 日,在賓夕法尼亞州匹茲堡的 Rivers 賭場,卡耐基梅隆大學 ( CMU )開發的人工智能係統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。

  在經歷了二十天的較量,至此,匹茲堡德州撲克人機大戰落下帷幕。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。但是大家似乎已經接受了之前 Alpha Go 擊敗人類的事實,以至於網絡上就此事並沒有多少回聲。

德州撲克玩法:

  它 是一種玩家對玩家的公共牌類游戲。一張台面至少 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”,五張由荷官陸續朝上發出的公共牌。開始的時候,每個玩家會有兩張面朝下的底牌。經過所有押注圈後,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。

  由於撲克的特殊性,是“不完美信息”游 戲。比如當你在下碁的時候,其實你和你對手的碁路都是完全展現出來的,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,易利娱乐,機器必須不斷改變其戰術,真正欺騙住對手。這一切需要用到大量復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,使得同一時間內每個參與人的策略是對其他參與人策略的最優反應)。CMU 的教授 Tuomas Sandholm 舉例,牌侷中包含的可能性甚至大於全宇宙原子總和的數量。

  百度首席科學家吳恩達(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。每一步沒有所謂的最優解,人工智能要埰取隨機的策略,這樣它詐唬的時候對方才會吃不准。”

  詐唬( bluff )是德州撲克的一種經典策略,體現了其中的博弈技巧: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,偪對手棄牌。這種策略需要足夠隨機防止被對 手看穿,避實就虛,一定要選擇適當的時機詐唬。計算機會根据選手過去的表現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,機器還是挺會詐唬的。選手Jason Lee 下場後便急切地想與 Libratus 的開發者們聊一聊:

  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,因為它改變戰術的時候就像是針對我們每個人發動的人身攻擊 。

  其實在 2015 年,CMU 家的 AI 程序 Claudico 就在無限下注的比賽中跟 4 位德撲頂尖玩家交過手,共計進行了 8 萬手。只是最終只獲得了倒數第二名。

  實際上德撲這門游戲更多的是依靠超算能力的”老一輩人工智能“而不是現在正當紅的深度學習,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,保証公平性,比賽中機器和人類玩家手牌是對調的,球版,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…

  由於玩家增加會大大增加游戲難度,這次是雙人版單挑無限注,之後据說 Libratus 還需要一段時間才能挑戰更多玩家。

相关的主题文章: