专访德扑AI背后专家:人机战不靠深度学习 靠“谈判”

4月6日，在美国击败人类顶尖德州扑克选手的人工智能Liberatus接受创新工场邀请，化名“冷扑大师”，将在海南挑战中国职业德州扑克选手组成的“龙之队”。赛前在接受新浪科技专访时，开发冷扑大师的卡内基·梅隆大学计算机科学学院院长安德鲁·摩尔（Andrew Moore）揭示了在另一场人机大战中，战胜人类背后的基本原理：更加古老的线性规划（Liner Programming）。

新浪科技

安德鲁·摩尔

冷扑大师好像和AlphaGo不一样，没有从人类玩牌的结果中学习。德州扑克人工智能和围棋人工智能有哪些不同？

扑克是一个规则非常简单的游戏，但是有很多隐藏信息，而围棋没有隐藏信息，所以做围棋方面的人工智能，需要进行非常深度的棋谱搜索。而做扑克游戏的人工智能要面对的问题是有非常多的诈唬策略要一一考虑。

冷扑大师有没有使用到神经网络和深度学习技术？

冷扑大师没有使用神经网络和深度学习方面的技术，而是使用了最为传统的线性规划（Liner Programming）。

我可以讲得稍微细一点。计算机需要算出最合适数量的诈，因为无论诈数量过多或者过少，都可能被其他牌手利用。数学家约翰·纳什曾经计算出的一个等式来解决类似的问题，但是要想真的计算出最合适数量的诈，这个等式可能会有无数的变量，而我们在冷扑大师身上应用的计算机技术可以得出最接近正确答案的解决方式。

李开复之前写过自己玩德州扑克的感受，他说想要玩好，就要把人性摆在一边。冷扑大师在比赛时是靠算牌，还是用统计方式研究对手打心理战？

算牌是赢牌的正确方式。不过这样做的计算量很大，冷扑大师需要完成1000万小时的计算才能形成它的策略。

但用统计数据来研究对手玩法不是一个好办法，因为一旦我知道你在统计我的玩法，我就会故意使用变换押注方法，实际上可以绕开你。

所以就像我刚才说的，冷扑大师没有使用心理战赢牌的企图，只是使用数学方法而已。

实际上过去十年是大数据和机器学习发展的十年。但冷扑大师所用的线性规划与这两者有很大不同，它是实现最优解（Big Optimization）的技术，相信未来的技术前沿也是实现最优解的技术。

和龙之队比赛的赛制，与常见的多人德州扑克牌局不同。为什么会选择一对一形式的比赛？是和算法限制有关吗？

德州扑克中最考验牌手技术的反而是双人对战，如果有更多牌手的话，其他牌手间的技术差别反而会被利用。

除了德州扑克之外，冷扑大师所采用的技术还可以用在哪些领域？

我最喜欢的商业用途当然是商业谈判，可以通过人工智能来实现在最合适的时间，以最合适的价格找到最合适的供应商。

谈判其实是非完整信息博弈理论中一个不错的例子，因为谈判的时候，我们不一定会透露真实的想法。我们的研究人员认为计算机能够与人类或者其他计算机进行交谈和谈判的能力非常重要。计算机的这种能力就是我们下一个研究方向。

实际上，除了德州扑克之外，相同算法还可以帮助很多需要器官移植的人，比方说Kidney Exchange。在美国，这个算法每年能帮助数百位患者实现肾脏移植的匹配。

所以冷扑大师背后的技术实际上是通用的。

冷扑大师所采用的技术确实可以应用到其他领域，来帮助人类找回丢失掉的信息。比如购买一间公寓，这就是一个谈判过程。如果我聘请的人类房产中介直接告诉卖家我愿意出多少钱买他的房子，那我肯定马上炒他的鱿鱼。因为他的工作就是在隐藏我信息的前提下，和卖家达成交易。