“CMU风头被抢 新型DeepStack算法抢先攻克德州扑克图灵测试”

本篇文章2236字，读完约6分钟

在国外学术界，有一篇论文燃起了大火。 论文中进行的研究表明，人类历史上第一次，ai在德州扑克游戏中获得了人类玩家。 这篇论文划时代的意义在于，ai在新闻不完备的游戏游戏中获得人类职业对手。 这篇论文的名字是“deepstack :无限投注扑克专家级人工智能”( deepstack:expert-levelartificialintelligenceinno-limit poker )，将于1月6日

的作者是加拿大alberta大学、捷克charles大学、布拉格捷克理工大学的研究者。 论文标题deepstack是一个新的算法名称，论文证明“deepstack是一种通用算法，可以用于不完整新闻的序列游戏”。 在对几十名参与者和4.4万特朗普的研究中，deepstack成为世界上第一个用“一对一无限注德州扑克”打败特朗普玩家的计算机程序。

什么是“一对一无限注德州扑克”( hunl )

虽然德州扑克的英文名为“texas hold em”，但“一对一无限倒德州扑克”( heads-up no-limit，hunl )的意思是有两个玩家，投注筹码没有限制 这篇论文中的自然是电脑和职业玩家轮流对决。

虽然是特朗普，但和斗地主不同，“赌场”是非常受欢迎的项目。 在这里庆祝视频，让我们了解德州扑克的规则和玩法吧。

从上面的视频可以大致看出，德州扑克有两种新闻，一种是每个玩家分成两张底牌的“私人新闻”，另一种是桌上公共牌的“公开新闻”。 玩家从5张公交卡中选出3张，与手中的2张底牌组合，期待最后得到最好的5张底牌组合。 按照“卡片排名”决定最后的胜者。

在中国打德州扑克的名人有一个是汪峰老师，另一个是李开复老师。 略而言之，“特朗普有那些妙招、经验或者大致情况？ ”。 的提问下，排在第一位的是李开复老师的回答，他特别提到了玩诈骗( bluffing，高手惯用的妙招)的关键是学好统计。

德州扑克是新一代的图灵测试吗？

德州扑克已经成为流行的人工智能研究测试地，每一个特朗普玩家手中的标语牌“私人新闻”，其他玩家看不到，因此“不完整新闻”( imperfect inforrect )。 这与围棋大不相同，围棋是一个完善新闻发布的游戏，玩家们可以看到棋盘上的各面旗，思考所有落子的可能性。 德州扑克对人工智能来说更具挑战性。

一位名叫deepstack的论文通讯作者michael bowling在年初接受new scientist采访时表示:“德州扑克最感兴趣的地方就是你得不到完美的新闻。”

卡内基梅隆大学( cmu )的tuomas sandholm教授也表示:“特朗普在不完全的消息下，已经成为衡量(计算机)智能水平的标准……被认为是超越图灵测试的存在。”

有兴趣的是，这两位教授正在带队克服这个新的图灵测试。 一个是加拿大的alberta大学，另一个是美国的cmu大学。

几天前，cmu由tuomas sandholm教授开发的libratus人工智能系统，当地时间1月11日在宾夕法尼亚州匹兹堡的rivers赌场，与4名顶级球员进行12万手的hunl，争夺20万美元的奖金。 前一年，libratus前身claudico与人类玩家首次对战，在8万手的对决中败北，这次是cmu的卷土重来。

但是，我们知道结果。 alberta赶在cmu前面，把论文发给了他。 学术界人士称赞deepstack具有里程碑意义(当然这篇论文还没有通过同行审议阶段)，但与cmu libratus几天前的预热盛况相比，deepstack没有受到等量的媒体待遇，

cmu走的是当时的alphago路线，在华丽的赌场表演，对战人类顶级玩家，有20万美元的噱头。 所以这篇deepstack论文虽然比cmu突破得早，但阵势并不比后者大，媒体忽视也是有道理的。

总之，alberta打头阵，cmu热闹起来(学术界竞争也异常激烈)。

这篇deepstack论文的成果

deepstack共与33名人类选手进行了4.4万手的比赛，分别于去年11月7日和12月12日在线进行了对决。 最终获胜的前三名选手分别有5000美元、2500美元和1250美元的奖励。 以下是对局结果。 结果显示，deepstack的平均胜率为492 mbb/g (通常认为人类玩家具有高达50 mbb/g的巨大特征，750mbb/g为对方每局弃牌的胜率)。

综上所述，特朗普的新闻可以分为“私有”和“公开”，放在桌子中间的五张公交卡形成动态的“公开状态”。 游戏中公开状态的可能序列组成一个公开树，每个公开状态具有相关的公开子树。

上图是hunl上公开的树的一部分。 红色和蓝色线表示玩家的动作，绿色线表示公开的公交卡。 圆圈的节点表示游戏结束。

该图为整个deepstack的体系结构，分为( a )、( b )、( c )三个部分。 在( a )中，deepstack重新计算每个公开状态所需的动作，其中子树值( subtree value )根据训练过的深度神经网络( b )进行计算，训练neural net的样本为(。

总结一下，deepstack与递归推理( recursive reasoning )相结合，解决新闻不对称问题，分解( decomposition )特朗普，集中计算相关决策，计算任意牌的直觉( intuition )。

广告活动简介:

买美股，骑虎——超低佣金，每股只花1美分