在Master“圍剿”圍棋頂尖高手之后，人工智能又盯上了德州撲克。這一次出場的選手是來自卡內基梅隆大學（CMU）開發(fā)的人工智能選手“Libratus”。
從美國時間1月11日開始，一場名為“大腦對戰(zhàn)人工智能：加大賭注”（Brains vs. Artificial Intelligence: Upping the Ante）的巡回賽，將在匹茲堡的河流（Rivers Casino）賭場進行，Libratus將和4位人類頂尖職業(yè)選手展開對決。四名職業(yè)選手分別是Jason Lee、Dong Kim、Daniel McAulay和Jimmy Chou。
賽程為期20天，總共將對戰(zhàn)12萬手牌，無限下注，獲勝者將獲得20萬美元的獎金。
與之前的AlphaGo戰(zhàn)勝李世石，Master橫掃60位頂尖選手的圍棋不同，德州撲克是一種不公開、信息不對稱的游戲，每個選手都只能在看到自己的手牌。也就是說這是一場非完美信息對稱游戲。
此前，人類已經在有限下注的德?lián)洚斨袘?zhàn)勝過人類。不過，在有限下注的游戲中，全部的決策點（decision points）只有不到10的14次方個。而一對一無限注中包含10的160次方個決策點（decision points）。
不過，在CMU在宣布Libratus的比賽之前，有一件事多少搶了Libratus的風頭。
上周，著名的論文網(wǎng)站 Arxiv 出現(xiàn)一篇題為《DeepStack：無限下注撲克里的專家級人工智能》（DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker）的論文，作者是來自加拿大Alberta大學、捷克Charles大學、布拉格捷克理工大學的研究人員。DeepStack稱為第一個在限下注德?lián)渲蝎@勝的人工智能程序。
研究者稱，在一項有數(shù)十名參賽者進行的44000手撲克的比賽中，DeepStack 成為第一個在無限注德州撲克中擊敗職業(yè)撲克玩家的計算機程序。
不過，雖然DeepStack占據(jù)了先發(fā)優(yōu)勢，可是因為是以論文的形式呈現(xiàn)，引發(fā)的關注度就要遜色一些。從2016年11月7日到12月12日共計4周的時間里，來自17個國家的33名選手跟 DeepStack 進行了較量，比賽在線上舉行，共計進行了44000手。由于在線上進行，一個選手最多可以同時玩四局。排名前三（以AIVAT計）的選手分別獲得5000加元、2500加元和1250加元的獎勵。
而CMU的Libratus走的是阿爾法狗的路數(shù)，公開透明，把地點直接設在賭場當中，獎金也豐厚得多，獲勝者將摘得20萬美金。12萬手的交鋒相當于前者近三倍，從統(tǒng)計學上也更有說服力。而且，參與的選手也更有分量，有專家質疑DeepStack的對戰(zhàn)選手中沒有頂級高手，但是Libratus對戰(zhàn)的選手則都是世界頂級選手。
然而在決策機制上，Libratus卻又與阿爾法狗大相徑庭。據(jù)報道，由于德州撲克是信息不對稱的博弈，因此Libratus采用的是“納什均衡”策略，通過平衡風險與收益來決定自己的下一步。納什均衡追求的是最安全而不是最極致的利益。
納什均衡的經典案例就是“囚徒困境”。1950年，數(shù)學家塔克任斯坦福大學客座教授時講過這故事。
假設有兩個小偷A和B聯(lián)合犯事、私入民宅被警察抓住。警方將兩人分別置于不同的兩個房間內進行審訊，對每一個犯罪嫌疑人，警方給出的政策是：
如果你倆都坦白罪行，交出臟物，都會因盜竊罪被判8年。
如果你的同伙坦白了而是你抵賴了，你將會以妨礙公務罪加刑2年，而你的同伙因舉報有功被減刑8年，立即釋放。
如果你倆都不坦白，則警方因證據(jù)不足不能判偷竊罪，但可以私入民宅罪將兩人各判1年。
畫個表格分析一下：
從這張表里可以看出，兩人都不坦白是最好的結果?？蓡栴}是，警方把兩人分開審訊，形成了“不完整信息博弈”。你無法保證你同伙的人品如何。這時如果你為了利益最大化，選擇了不坦白，而你的同伙卻把你出賣了，那你就成了最大的輸家。這個時候納什均衡的最佳選擇就是，果斷坦白。這樣至少你會得到和你同伙一樣的待遇，而你的同伙如果貪心，你就賺大了。
換句話說如果你遵循納什均衡，最壞的結果是：和對手打了個平手。也就說，在這一策略當中，只要其他玩家的策略保持不變，單一玩家就無法通過變換策略獲益。
反映到德?lián)渖?，如果Libratus每次的選擇都能實現(xiàn)納什均衡，那么結果很可能是：雖然在某些回合中，人類選手會占得上風。但是在12萬手的交鋒中，機器大概率會成為贏家。
值得一提的是，早在2015年時，CMU的AI程序Claudico就在無限下注的比賽中跟德?lián)漤敿飧呤纸贿^手，共計進行了8萬手。不過，在這一次比賽當中，AI程序被狂虐，排在倒數(shù)第二名。當時參與的選手有Bjorn Li、Doug Polk、Dong Kim、Jason Les。
需要指出的是，Dong Kim、Jason Lee在這一次比賽當中還會參加。在2015年的對戰(zhàn)當中，他們分別排在第三和第五的位置。
在Claudico落敗之后，它的設計者Sandholm依然相信，在未來人工智能將很快能夠擊敗任何領域的頂尖人類玩家。經歷一年半的閉關修煉之后，不知道這一次CMU的AI選手能不能一雪前恥？對于比賽的結果，你有什么看法，歡迎留言。
