在顶级职业德州扑克比赛上，人类已经败北，这可算得上今年人工智能领域的第一个大事件，参看机器之心的报道《
重磅 | 德扑人机大战收官，Libratus 击败世界顶尖扑克选手
》和《
学界 | 新论文提出玩扑克人工智能 DeepStack：已达职业玩家水平
》。今天早些时候，关于 DeepStack 的正式论文终于在顶级刊物 Science 的网站上发布，同时也得到了 Nature、科学美国人和 IEEE Spectrum 等众多科学和科技平台的关注和传播。机器之心在此编译了 Nature 的相关介绍文章，并在文后附上了 Science 上最新版论文的摘要介绍。原论文可点击阅读原文查阅。
在无限制德州扑克上，人类顶级职业玩家已被人工智能 bot 击败。
德州扑克这种复杂的扑克游戏已经被人工智能（AI）掌握。而且这个游戏还不是被征服了一次——两个不同的研究团队所开发的 bot 都在一对一德州扑克比赛上完成了击败人类的壮举。真希望看到它们互相对战一场！
首先完成这一胜利的 Bot 是阿尔伯塔大学的计算机科学家开发的 DeepStack，该成果的成功背后还有来自捷克的查尔斯大学和布拉格捷克理工大学的帮助。一个月后，卡内基梅隆大学所开发的 Libratus 又再次在与人类的比赛中取得了胜利。
过去十年来，这些团队一直在互相激励打造更好的 Bot，现在 DeepStack 背后的团队将其人工智能的细节正式发表到了 Science 上。Nature 在这篇文章中对这两个人工智能的原理进行了介绍，并探讨了这对在线赌博的意义以及人工智能还有什么尚未征服的目标。
为什么人工智能研究者应该关心扑克？
人工智能已经掌握了好几种棋盘游戏，包括国际象棋以及战略极其复杂的围棋。不过，扑克不同于这类游戏的关键之处在于其增加了复杂性：玩家必须在信息不完全的前提下，算出对手的策略。他们必须考虑对手手中会有什么牌以及对手会如何根据之前下的注猜测自己。
这种「不完美信息（imperfect information）」类博弈能反应真实生活我们的问题解决场景，诸如拍卖以及金融谈判，扑克也成为这些场景的人工智能测试平台。
算法已经破解了更加简单的扑克形式：2015 年，该阿尔伯塔大学团队就已经解决了有限双人扑克难题。DeepStack 和 Libratus 玩的仍然是双人博弈，但却是无限制规则，对于人工智能来说，这个挑战会困难得多。
人类与人工智能交战情况如何？
去年 11 月初的四周里，DeepStack 击败了 11 位职业选手中的 10 位，统计上，赢的优势很大，与每位对手玩了 3000 手。
然后，今年 1 月份，Libratus 击败了四个更加优秀的职业选手（专家级扑克玩家），总体交收 12 万多手。计算机最后赢得约为 180 万美元的筹码。
算法背后的数学原理是什么？
博弈论（game theory）。不论对手选择哪个策略，这两个人工智能系统都旨在搜寻一个能保证不会产生损失的策略。因为一对一扑克是零和游戏，这也就意味着一个博弈方的损失就是其对手的获利，博弈论证明了这种最优决策是经常存在的。而人类玩家可能会利用弱对手的错误获得更大的收益，但使用这种策略对人工智能不会奏效，它仅仅只是为了胜利而博弈。这也就意味着它并不会被对手故意夸张的行为吓住。
以前的扑克游戏的算法一般都试图提前制定出策略，通过计算大规模的「博弈树」而找到游戏可能展开的不同方式及其所有解决方案。但是这种算法所寻找到的展开可能性数量是十分巨大的，而要将这 10^160 次方可能性进行映射是不可能的。所以研究者决定使用更少的可能性解决问题。在一个博弈中，算法会将现场的情况与先前的计算情况相比较。然后算法会找到最接近的一个并从表中「转换」相应的动作。
然而，现在 DeepStack 和 Libratus 都找到了实时计算解决方案的方法，就如同下象棋和围棋的电脑一般。
如何比较这两个人工智能？
DeepStack 会在游戏的每一个节点重新计算一小段可能性的树，而不是提前算出整个博弈树。
开发者利用深度学习创造了这一方法，这种技术利用了一种受到大脑启发的名叫神经网络的架构（正是在这种架构的帮助下，计算机才打败了一位世界上最顶尖的围棋棋手）。
自己玩了 1100 万种游戏场景，并且在每一个场景中进行学习，DeepStack 在游戏中已经获得了一种在某个给定点获胜可能性的「直觉」。这让它可以在相对较短的时间内（大约 5 秒）进行更少的可能性计算，并作出实时决策。
Libratus 的团队目前还没有公布它们的方法，所以这一程序是如何运作的还尚不清楚。但我们早知道的是，它使用了预先计算可能性和「转化」的方法，虽然它在游戏出现更多信息的时候会改进策略。但另一方面，随着可能的结果范围变得越来越窄，算法也可以实时计算出解决方法。
Libratus 也有一个学习元素。其开发者为其加入了一个自我提升的模块，其可以自动分析该 Bot 的玩牌策略，从而可以了解一个对手会如何利用它的缺点。然后它们使用这些信息来永久性地修补这些漏洞。
这两种方法需要明显不同的计算能力：DeepStack 的训练使用了 175 个 core years——相当于运行一个处理单元 150 年或运行几百台计算机几个月。而在比赛过程中，它可以在单一一台笔记本上工作。而 Libratus 则相反，在比赛之前和比赛过程中都使用了一台超级计算机，相当于大约 2900 个 core years。
它们会 bluff 吗？
会。人们时常以为唬牌是人类技能，但是，对一台计算机来说，读不读懂对手没啥关系，它们要做的就是处理博弈背后的数学原理。bluff 主要是 一种策略，确保玩家的下注模式不会让对手发现他们手里的牌。
好吧，哪个结果更亮眼？
主要看你问谁了。专家可能会在方法的错综复杂之处含糊其辞，但是，总体上这两个人工智能系统都已经玩了足够多的牌，取得了统计学上显著的胜利——而且对手都是职业玩家。
Libratus 玩了更多手，但是，DeepStack 没这个必要，因为它的团队使用了成熟的统计方法，这个方法能够从较少的博弈中证实比赛结果。较之 DeepStack，Libratus 击败了优秀得多的职业选手，不过 平均说来，DeepStack 赢得的优势更大。
两个人工智能系统会一较高下吗？
或许吧。比较棘手的一点就是计算能力存在较大差别，因此会影响游戏速度。我们很难找到双方都赞同的游戏规则。
阿尔伯塔大学计算机科学家 Michael Bowling、DeepStack 的研发者之一说他的团队打算与 Libratus 比赛。不过，Libratus 的研发、 CMU 的 Tuomas Sandholm 说，他们想先看看 DeepStack 击败 Baby Tartanian 8——他们团队较早的人工智能系统，能力也弱一些。
