在太平洋這頭的中國，谷歌(微博)旗下DeepMind研發(fā)的阿爾法狗（AlphaGo）剛剛披著“Master”的馬甲戰(zhàn)勝了“當今圍棋第一人”柯潔，宣告著人工智能在圍棋領域的勝出，在太平洋那頭的加拿大，人類在德州撲克領域也要失守了？來自加拿大和捷克的10位科學家近日在預印本網(wǎng)站arXiv上載了一篇題為《DeepStack：無限注德?lián)涞膶I(yè)級人工智能玩家》的論文，介紹了一種能在一對一無限注德州撲克中擊敗人類玩家的新算法DeepStack。

在過去的20年里，我們見證了許多游戲領域在人工智能面前紛紛“淪陷”，比如西洋雙陸棋、跳棋、國際象棋和圍棋。人工智能在這些領域發(fā)揮的難度，主要取決于這些游戲需要作出的決策點（decision points）數(shù)量。一盤圍棋游戲約包含有10的170次方個決策點。

但是，圍棋等棋類游戲是完美信息游戲，也就是說，所有玩家在游戲中能獲得的確定性信息是對稱的。但除此之外，人類生活中還要面臨更多非完美信息的情景，正如計算機之父馮·諾依曼所說，“現(xiàn)實世界與此不同，現(xiàn)實世界包含有很多賭注、一些欺騙的戰(zhàn)術，還涉及你會思考別人會認為你將做什么。”

德州撲克就是這樣一種包含了欺騙、推測的非完美信息游戲，玩家只能掌握自己手上的牌，通過這種非對稱的信息與對手進行博弈。

因此，雖然一對一無限注德?lián)溆螒蛑邪?0的160次方個決策點，要少于圍棋，但它對人工智能的推理能力提出了更高的要求。

在過去，研究人員往往采用一種壓縮型的策略來開發(fā)算法，即通過把原始版本游戲中的設計和行為轉移到一個被壓縮了的情境下推理。但在壓縮的過程中，信息會出現(xiàn)丟失，造成此前人工智能從未在撲克領域擊敗人類玩家。
而這個加拿大和捷克的合作團隊開發(fā)的新算法DeepStack，則注重培養(yǎng)人工智能出牌時的“直覺”。在運用深度學習，反復自我博弈之后，DeepStack學會了在每一個具體情境出現(xiàn)時進行推理。這非常接近人類玩家的“牌感”，即在當前情境下對個人牌面大小的感覺，并作出相應的決策。

該團隊邀請了來自17個國家的33名專業(yè)撲克選手挑戰(zhàn)DeepStack，在2016年11月7日到12月12日之間共進行了44852次較量。DeepStack成為了首個在一對一無限注德?lián)渲袘?zhàn)勝人類玩家的人工智能，并且平均勝率達到了492mbb/g（milli-big-blinds per game，一般職業(yè)玩家認為50mbb/g是個門檻）。