211service.com
Poker är det senaste spelet att vika sig mot artificiell intelligens
Som en milstolpe för artificiell intelligens har en pokerbot utvecklad av forskare i Kanada och Tjeckien besegrat flera professionella spelare i en-mot-en-spel av no-limit Texas hold'em poker.
Det kanske mest intressanta är att akademikerna bakom arbetet säger att deras program övervann sina mänskliga motståndare genom att använda ett approximativt tillvägagångssätt som de jämför med magkänsla.
Om det stämmer är detta verkligen ett betydande framsteg inom spelande AI, säger Michael Wellman , en professor vid University of Michigan som är specialiserad på spelteori och AI. För det första uppnår den en stor milstolpe (att slå pokerproffs) i ett spel av framstående intresse. För det andra samlar den flera nya idéer, som tillsammans stödjer ett spännande tillvägagångssätt för spel med ofullständig information.
Senare i veckan kommer en turnering på ett Pittsburgh-kasino att se flera pokerspelare i världsklass spela samma version av poker mot ett program utvecklat på CMU. Tuomas Sandholm , en professor i datavetenskap vid CMU som leder arbetet, säger att de mänskliga spelarna som är inblandade är avsevärt starkare än de som testats av forskarna i Alberta, och att 120 000 händer kommer att spelas under 20 dagar, vilket ger resultaten större statistisk signifikans. Turneringen kan bekräfta att AI verkligen har bemästrat ett spel som länge har verkat alldeles för komplext och subtilt för datorer.
DeepStack, pokerspelsmjukvaran som redan har överträffat några professionella spelare, utvecklades av ett team ledd av Michael Bowling , professor i datavetenskap vid University of Alberta, som inkluderade forskare från Charles University och Czech Technical University i Tjeckien. I en research papper som läggs ut på nätet men ännu inte peer reviewed, säger forskarna att DeepStack spelade nästan 45 000 händer poker mot flera spelare och slog dem smidigt.
Poker är mer komplext än många andra spel som har ställt människor mot AI. Och talande nog innehåller den nivåer av osäkerhet, som när en motståndare kan bluffa, som finns i många verkliga situationer som AI ännu inte har bemästrat. Pokerspelare kan inte se sina motståndares händer, vilket innebär att, till skillnad från pjäser, schack eller Go, är inte all information som finns i spelet tillgänglig för dem. Forskare från DeepMind, ett Storbritannien-baserat dotterbolag till Alphabet, skapade rubriker förra året efter att ha skapat ett program som kan slå en av världens bästa Go-spelare (se Googles AI Masters the Game of Go ett decennium tidigare än förväntat).
Heads-up no-limit Texas hold'em är en version av spelet som spelas mellan två personer som kan satsa så många marker som de har. Denna variant visade sig under lång tid vara för svår för maskiner att spela sakkunnigt. Det finns 10 160 (10 följt av 160 nollor) möjliga spelbanor för varje hand i heads-up no-limit Texas hold'em.
DeepStack lärde sig att spela poker genom att spela händer mot sig själv. Efter varje spel återbesöker och förfinar den sin strategi, vilket resulterar i ett mer optimerat tillvägagångssätt. På grund av komplexiteten i no-limit poker, innebär detta tillvägagångssätt normalt att öva med en mer begränsad version av spelet. DeepStack-teamet klarade av denna komplexitet genom att använda en snabb approximationsteknik som de förfinade genom att mata in tidigare pokersituationer i en djupinlärningsalgoritm.
Det som verkligen är nytt för ett så komplext spel är att effektivt kunna beräkna åtgärden som ska utföras i varje situation när den uppstår, snarare än att behöva arbeta igenom en förenklad form av hela trädet av spelmöjligheter offline, säger Wellman vid University of Michigan.
Forskarna jämför DeepStacks approximationsteknik med en mänsklig spelares instinkt när en motståndare bluffar eller håller en vinnande hand, även om maskinen måste basera sin bedömning på motståndarens satsningsmönster snarare än hans eller hennes kroppsspråk. Denna uppskattning kan ses som DeepStacks intuition, skriver de. En magkänsla av värdet av att ha alla möjliga privata kort i alla möjliga pokersituationer.
Det är möjligt att mäta en pokerspelares prestation genom att titta på det vunna beloppet, i förhållande till beloppet som satsas vid hans eller hennes bord, över många spel. DeepStack hade en vinstfrekvens ungefär nio gånger bättre än vad som skulle anses vara bra för en professionell spelare.
2015 löste Bowling och kollegor vid University of Alberta den mer begränsade versionen av heats up hold'em genom att utveckla en pokerbot kan spela spelet perfekt.
Pokerboten som var involverad i Pittsburgh-turneringen, kallad Libratus, utvecklades av Sandholm och en av hans doktorander, Noam Brown . Paret har ännu inte avslöjat detaljer om hur deras program förhåller sig till spelet, men Brown säger att de i huvudsak försöker 'lösa' spelet - eller räkna ut alla möjliga scenarion - tidigare under spelet än vad som tidigare varit möjligt. Libratus körs på extremt kraftfull hårdvara på Pittsburgh Supercomputing Center , en anläggning som drivs gemensamt av CMU och University of Pittsburgh.