斗牛透视辅助软件:算法抢先攻克德州扑克图

CMU风头被抢新型DeepStack算法抢先攻克德州扑克图灵测试

在国外的学术圈里,有一份论文火了。论文里进行的研究表明,人类历史上第一次,AI在德州扑克游戏上赢得了人类职业玩家。而这份论文的突破性意义在于:AI在非完整信息的博弈游戏中,赢得人类职业对手。这篇论文的名字是《DeepStack:无限下注扑克里的专家级人工智能》(DeepStack:Expert-LevelArtificialIntelligenceinNo-LimitPoker),1月6号提交到了ArXiv上。

斗牛透视辅助软件:算法抢先攻克德州扑克图

论文作者是来自加拿大Alberta大学、捷克Charles大学、布拉格捷克理工大学的研究人员。而论文题目里的DeepStack,是一种新型的算法名称,论文里说明到DeepStack是一种通用算法,可用于一大类非完整信息的序列博弈”。在一项涉及到数十位参与者和4.4万手扑克的研究中,DeepStack成为了世界上第一个在一对一无限注德州扑克”上击败了职业扑克玩家的计算机程序。

什么是一对一无限注德州扑克”(HUNL)

德州扑克的英文名称是TexasHold\em”,而一对一无限注德州扑克”(Heads-upno-limit,简称HUNL)的意思,就是有2个玩家且不限下注筹码。这篇论文里的自然就是计算机和职业玩家挨个对局。

虽然是扑克,但跟斗地主还是很不一样的,它是赌场”十分受欢迎的项目。这里祭出视频,帮大家理解一下德州扑克的规则和玩法。

从上面的视频中,我们大致能了解一场德州扑克会有两类信息:玩家每人手里分到2张底牌的私有信息”和桌子上公共牌的公开信息”。玩家选择5张公共牌里的3张,与手里的2张底牌组合,最后以期得到最好的5张牌的组合。按照CardRanking”决定最后的胜者。

在中国玩德州扑克的名人,一个是汪峰老师,另一个就是李开复老师。在知乎上扑克有哪些技巧、经验或者原则?”的提问下,排名第一的,就是李开复老师的答案,他尤其提到玩好诈唬(Bluffing,高手惯用技巧)的关键在于学好统计。

德州扑克是新一代的图灵测试?

德州扑克已经成为十分流行的人工智能研究测试地,每一个扑克玩家手里握着的底牌私有信息”,是其它玩家看不到的,所以被称为是非完整信息”(Imperfectinformation)的博弈。这跟围棋有很大不同,围棋是完整信息公开的博弈,玩家们可以看到棋盘上的每个旗子,考虑所有落子的可能性。所以德州扑克对于人工智能来说,更加具有挑战性。

《DeepStack》这篇论文的通信作者MichaelB转转麻将胡牌规则 owling曾经在2015年初接受《NewScientist》采访时说道:德州扑克最有趣的地方,就是你无法获得完整的信息”。

而卡耐基梅隆大学(CMU)TuomasSandholm教授也说道:扑克已经成为在非完整信息情况下福州棋牌麻将开发,衡量(计算机)智能水平的标准......而它可以看做是一种超越图灵测试的存在。”

有趣的是,这两位教授都在领导自己的团队攻克这个新型图灵测试福州棋牌麻将开发,一位在加拿大Alberta大学,一位在美国CMU大学。

几天前,CMU已经发出预告:由TuomasSandholm教授领导研发出的Libratus人工智能系统,将于当地时间1月11日,在宾夕法尼亚州匹兹堡的Rivers赌场,与四个顶级职业玩家玩12万手的HUNL,并角逐20万美元的奖金。早在2015年,Libratus的前身Claudico与人类玩家首次对战,在8万手的对决中完败,这次算是CMU的卷土重来。

但是我们已经知道了结果,Alberta赶在CMU之前万人棋牌正版,把就论文发出来了。学术圈人士纷纷表达赞美,称DeepStack具有里程碑意义(当然这份论文还未通过同行审议阶段),然而跟CMULibratus提前好几天的预热盛况相比,DeepStack并没有得到等量的媒体待遇棋牌下载,也引发一些人的不满。

CMU走的是当年AlphaGo的路线,在华丽的赌场搞一场秀,与人类顶尖玩家对战,还有20万美金的噱头。所以这份DeepStack论文虽然比CMU更早取得突破,但阵仗不如后者大,媒体对其忽视了,也在情理。

总之一句话,Alberta抢了先,CMU抢了热闹(学术界的竞争也是异常激烈的)。

DeepStack总共与33位人类选手进行了4.4万手的较量,分别在2016年11月7日和12月12日之间于线上举行对局。最终获胜的前三位选手,分别有5000、2500和1250加元的奖励。以下是对局结果。结果显示,DeepStack的平均赢率为492mbb/g(一般人类玩家到50mbb/g就被认为拥有较大优势,750波克捕鱼官方版mbb/g就是对手每局都弃牌的赢率)。

斗牛透视辅助软件:算法抢先攻克德州扑克图

前面我们提到,一场扑克的信息可以分为私有”和公开”,放在桌子中间的5张公开牌形成一种动态的公开状态”。游戏中的公开状态的可能序列构成一个公开树(Publictree),其中每一个公开状态都有一个相关的公开子树(Publicsubtree)。

DeepStack整体架构,分为(a)(b)(c)三个部分。在(a)中,DeepStack在每一个公开状态里,都要重新计算它需要的动作,其中子树值(Subtreevalue)会通过一个训练好的深度神经网络Neuralnet(b)来计算,而训练Neuralnet的样本就是(c)。

总的来说,DeepStack结合了递归推理(Recursivereasoning)来处理信息不对称性,还结合了分解(Decomposition)集中计算到相关决策上福州棋牌麻将开发,并形成了一种关于任意牌的直觉(Intuition),这种直觉可以使用深度学习进行自我玩牌而自动学习到。

版权声明

本文系作者授权发表,未经许可,不得转载。

分享: