|
原文以How rival bots battled their way to poker supremacy為標(biāo)題 發(fā)布在2017年3月2日的《自然》新聞上 原文作者：Elizabeth Gibney
這種復(fù)雜的撲克玩法是人工智能（AI）最新涉足的領(lǐng)域，目前已經(jīng)被成功征服——且成功了兩次，征服者分別為兩個不同研究團(tuán)隊所研制的對戰(zhàn)機(jī)器人。 這兩個人工智能挑戰(zhàn)的都是“無限注”雙人德州撲克，而且在過去幾個月中都取得了里程碑式的成就——他們打敗了人類職業(yè)選手。 去年12月，DeepStack率先贏得比賽。該人工智能由加拿大阿爾伯塔大學(xué)的計算機(jī)科學(xué)家同捷克布拉格查理大學(xué)和捷克理工大學(xué)的科學(xué)家共同研制而成。今年1月，由美國卡內(nèi)基梅隆大學(xué)團(tuán)隊研制的Libratus也取得了同樣的功績。 在過去的十年中，兩支團(tuán)隊爭相研制更為智能的機(jī)器人。如今，DeepStack的研究團(tuán)隊已經(jīng)正式將其人工智能細(xì)節(jié)發(fā)表在《科學(xué)》雜志上。 本文主要講述兩個人工智能有何區(qū)別，其成就對于網(wǎng)上賭場有何影響，以及人工智能還有哪些沒有攻克的領(lǐng)域。 頂級職業(yè)撲克選手已經(jīng)在無限注德州撲克中敗給了人工智能機(jī)器人。 Juice/Alamy Q：人工智能研究者為何選擇撲克？ A：人工智能已經(jīng)精通了多種棋類游戲，包括國際象棋和圍棋等復(fù)雜的策略類游戲。而撲克比棋類游戲更為復(fù)雜，這是因為它有一處顯著不同——選手必須在無法得知賽局所有信息的情況下，制定自己的策略。他們必須根據(jù)對下注等過程的觀察，猜測對手有什么手牌，并考慮對手對于他們自己的手牌又有怎樣的猜測。 這樣的“不完全信息”博弈更貼近現(xiàn)實生活中解決問題的場景。例如，在拍賣和金融談判中，就會出現(xiàn)類似情況。而撲克則成為了測試人工智能是否能應(yīng)對這種情景的平臺。 人工智能已經(jīng)掌握了較簡單的撲克玩法：阿爾伯塔團(tuán)隊已經(jīng)于2015年基本掌握了雙人有限注德州撲克。DeepStack和Libratus挑戰(zhàn)的仍然是雙人德州撲克，但下注、跟注的籌碼沒有上限——正因如此，無限注玩法對于人工智能程序來說更為復(fù)雜，也更難掌握。 Q：人機(jī)比賽過程如何？ A：去年11月開始為期四周多的比賽中，DeepStack與11位職業(yè)選手各比賽3000手牌，并以統(tǒng)計上顯著的優(yōu)勢擊敗10名選手。 今年1月，Libratus則在約12萬手牌的比賽中，擊敗4名更為優(yōu)秀的專家級職業(yè)選手。比賽最終結(jié)束時，Libratus共有約180萬美元的虛擬籌碼。 Q：這些人工智能背后有什么數(shù)學(xué)原理？ A：博弈論。兩個人工智能都需要摸索出在任何情況下，無論對手如何應(yīng)對，都能必贏的策略。根據(jù)博弈論理論，在一對一撲克這樣的零和博弈（即一方有所得，另一方必有所失）里面，這樣必贏的策略必然存在。人類選手可能會利用較弱對手的失誤而贏得很多籌碼，而使用上述策略的人工智能則不在乎贏取籌碼的多寡——對于它而言，只要贏得牌局就好。這意味著它不會因為對手的意外之舉而不知所措、自亂陣腳。 此前挑戰(zhàn)撲克的人工智能都是盡可能提前制定策略，計算大量“博弈樹”，列出賽局各種可能性的應(yīng)對辦法。但是存在太多的可能性——共有10^160個——不可能全部映射。因此，研究人員最終只處理部分可能情形。賽局中，人工智能會將當(dāng)前情形與曾經(jīng)進(jìn)行計算過的情形相比較，找出最接近的情形，將對應(yīng)的解決方案進(jìn)行“轉(zhuǎn)化”，再運用到當(dāng)前賽局中。 與之不同的是，DeepStack和Libratus已經(jīng)可以實時計算解決方案——就與下國際象棋和圍棋的計算機(jī)一樣。 Q：兩個人工智能使用的具體方法有何不同？ A：DeepStack并非提前列出完整博弈樹，而是在牌局中的各個決策點僅重新計算少部分的博弈樹，預(yù)測可能出現(xiàn)的一些情形。 這一辦法利用了深度學(xué)習(xí)，這是借鑒人類大腦的神經(jīng)網(wǎng)絡(luò)構(gòu)造而發(fā)明的一種技術(shù)(有賴于此，計算機(jī)得以打敗全世界最優(yōu)秀的圍棋選手)。 DeepStack經(jīng)歷逾一千一百萬種不同的賽局情形，不斷學(xué)習(xí)，形成了“直覺”，已經(jīng)能夠在賽局的某一節(jié)點預(yù)判贏率。因此，它只需要較短的時間（僅約5秒）來計算較少的可能性，并實時做出決策。 Libratus團(tuán)隊還沒有將具體方法發(fā)表出來，因此目前還不清楚Libratus具體工作原理。不過已經(jīng)清楚的是，在牌局早期，Libratus借鑒曾經(jīng)進(jìn)行計算過的情形，使用“轉(zhuǎn)化”法，然后做出決策；而當(dāng)牌局進(jìn)行到后期，人工智能可以獲悉更多信息時，再將策略進(jìn)行優(yōu)化。至于其他時候，隨著牌局的進(jìn)行，可能性越來越少，Libratus也會對解決方案進(jìn)行實時計算。 Libratus同樣加入了一種特殊的學(xué)習(xí)元素。它的開發(fā)者為它增加了自我優(yōu)化的模塊，可以自動分析它的玩牌策略，了解對手如何利用其弱點。在此基礎(chǔ)上，他們再對Libratus方法上的漏洞進(jìn)行修復(fù)。 這兩種方法需要擁有明顯不同的計算能力：DeepStack受訓(xùn)175核年——相當(dāng)于一個處理器運行175年、或幾百臺計算機(jī)運行數(shù)月的工作量。而在牌局中，它僅需要一部筆記本電腦即可進(jìn)行操作。Libratus則不同，它在賽前和比賽中均使用超級電腦，大約相當(dāng)于2900核年的工作量。 Q：人工智能是否也會虛張聲勢？ A：會。通常人們認(rèn)為虛張聲勢是人類才會做的行為，至于計算機(jī)，它們不會去了解、預(yù)測對手行為，而是完全基于牌局中隱含的數(shù)學(xué)原理而進(jìn)行決策。虛張聲勢通常只是為防止對手通過自己的下注規(guī)律猜到自己手牌而采取的一種策略。 Q：那么，哪個成果更為突出呢？ A：見仁見智。有關(guān)專家對于兩個方法的復(fù)雜性有些爭議，但總體來說，兩個人工智能都玩了足夠多手牌，均已取得統(tǒng)計上顯著的勝利——并且都是與職業(yè)選手進(jìn)行比賽。 Libratus玩了更多手，但DeepStack則不需要這么做，因為其團(tuán)隊使用了一種復(fù)雜的統(tǒng)計方法，可以通過較少的牌局就能取得顯著結(jié)果。Libratus擊敗的專業(yè)選手要更為優(yōu)秀，但平均來說，DeepStack獲勝的優(yōu)勢更大些。 Q：兩個人工智能會進(jìn)行對決嗎？ A：也許會。不過，兩者計算能力存在巨大差距，因此在牌局中的玩牌速度有所不同，這可能是比賽所面臨的一個癥結(jié)。因此，如何制定讓雙方都會同意的比賽規(guī)則就成了難題。 阿爾伯塔大學(xué)計算機(jī)科學(xué)家、同時也是DeepStack開發(fā)者之一的Michael Bowling表示，他們的團(tuán)隊愿意與Libratus進(jìn)行比賽?？墒荓ibratus的開發(fā)者、卡內(nèi)基梅隆大學(xué)的Tuomas Sandholm則表示，他希望DeepStack能夠先打敗Baby Tartanian8，這是他們團(tuán)隊之前設(shè)計的人工智能，功能沒有Libratus強(qiáng)大。 Bowling強(qiáng)調(diào)，比賽將存在一個重要的局限：贏得賽局也不一定意味著人工智能性能更好。兩者都盡力打出完美比賽，但能夠?qū)崿F(xiàn)這一目標(biāo)的策略在正面交鋒中未必總是存在。一方人工智能有可能無意中發(fā)現(xiàn)另一方策略上的漏洞，但這并不能說明另一方的整體策略上存在更多或者更嚴(yán)重的漏洞。Bowling說，除非一方以較大優(yōu)勢獲勝，“否則我覺得，這樣的比賽不會如人們期待那樣，提供很多有用的信息”。 Q：人工智能掌握撲克玩法，是否意味著網(wǎng)上撲克游戲的終結(jié)？ A：不是。雖然頂級選手已經(jīng)開始進(jìn)行人機(jī)對戰(zhàn)訓(xùn)練，但許多網(wǎng)上賭場禁止玩家在賽局中使用計算機(jī)。 Q：現(xiàn)在，計算機(jī)已經(jīng)達(dá)成了人工智能歷史上的又一座里程碑，那么還有哪些領(lǐng)域沒有被攻克呢？ A：至今仍存在著幾座高峰等待人工智能去攀登。從某種程度上來說，這是由于許多尚未被人工智能掌握的游戲，比如橋牌，其規(guī)則更為復(fù)雜，目標(biāo)也就不那么明顯。 兩個團(tuán)隊接下來的研究主題自然是掌握多人撲克。這幾乎意味著一切從頭開始，因為零和博弈理論不再適用于這一領(lǐng)域。例如，在三人撲克中，某個選手的失誤，有可能會間接妨礙對手，而不是讓對手獲益。 不過Bowling也提到，哪怕理論不再適用，深度學(xué)習(xí)所形成的直覺，仍有望幫助人工智能找到解決方案。他說，他們的團(tuán)隊最初在有限注三人德州撲克中嘗試類似辦法時，結(jié)果就出人意料的好。 另外一個挑戰(zhàn)則是訓(xùn)練人工智能在不知曉游戲規(guī)則的情況下進(jìn)行游戲，并且在游戲中逐漸自己發(fā)現(xiàn)游戲規(guī)則。這樣的場景更真實地反映了人類在現(xiàn)實世界處理問題時的情形。 最終的考驗將是研究不完全信息算法如何在信息不完整的情況下，解決復(fù)雜的現(xiàn)實問題，比如金融和網(wǎng)絡(luò)安全方面的問題。? Nature|doi:10.1038/nature.2017.21580 版權(quán)聲明： |
|
|
