2017年年初，Brain vs AI的德州撲克人機大戰(zhàn)在卡耐基梅隆大學(CMU)落幕，由4名人類職業(yè)玩家組成的人類大腦不敵人工智能程序Libratus。

獲勝后人類還遭到了Libratus的無情嘲諷。

但是那時候Libratus還只是個只能在1V1局里稱霸的超級玩家，要說人類最喜歡的6人局這樣的“大場面”，當時的Libratus還沒有拿到入場券。

而就在昨天，F(xiàn)acebook與CMU學Noam Brown、Tuomas Sandholm的最新研究成果——Pluribus，就在人類最常見的無限制德州撲克6人局里，戰(zhàn)勝了人類頂尖選手。

跟還是不跟？高手之間的對決

Darren Elias（1986年11月18日出生）是一名美國職業(yè)撲克玩家，曾獲得四項世界撲克巡回賽冠軍。

在他與Pluribus的對決過程中，Darren Elias從來沒有遇到過如此不害怕的對手。

一個有經(jīng)驗的撲克玩家，當有兩個J(一個面朝上，另一個藏起來，一手既不好也不壞)時，都會謹慎行事。但是Elias的對手看起來好像不知道該怎么做。即使當Elias決定虛張聲勢（bluff），下注時看起來很有信心，而他的對手似乎在鼓勵他繼續(xù)！好像一點都沒有被嚇到。

最后，Elias的虛張聲勢沒有起作用，他輸了。

Elias

正如埃利亞斯先生意識到的，Pluribus知道什么時候該虛張聲勢，也知道別人在虛張聲勢，還知道什么時候該改變自己的行為，這樣其他玩家就無法確定自己的策略。32歲 Elias先生說: 它確實做了一些人類很難做到的事情。

贏的背后，只是8天的訓練

之前AI和人玩游戲，要么是雙人游戲，如國際象棋、跳棋等，要么就是雙方之間的零和博弈（一方贏一方輸），AI可以在游戲中找到Nash equilibrium strategy（納什平衡）來保證自己不會輸。

關于Nash equilibrium strategy（納什平衡）屬于博弈論范疇（注：納什證明了，如果允許混合策略，那么任何一個博弈，只要參與者數(shù)量是有限的、參與者可以選擇的純策略也是有限的，那么這個博弈至少有一個納什均衡）。

以經(jīng)典的“石頭剪刀布”游戲為例，AI可以在游戲中找到對方的弱點和常出的手勢進行學習，以達到最終的勝利，而多人撲克意味著玩家數(shù)量的增多，在更復雜的游戲中，AI難以確定如何與納什均衡相抗衡;采用固定策略不能很快觀察到的對手的策略傾向，而且需要監(jiān)控到多個玩家在游戲中策略的轉變，這對于AI多人撲克博弈來說，是一項挑戰(zhàn)。

鑒于多人游戲，如果學習多個玩家的出牌習慣等特征的訓練數(shù)據(jù)集成本過大，這里Pluribus采用的策略是自己與自己博弈，不使用人類對手的數(shù)據(jù)作為模型訓練的輸入。在開始時，隨機的選擇玩法，通過不斷的訓練來提升自己的性能，這里采用的博弈策略是改良版本的迭代的蒙特卡洛CFR（MCCFR），通過自我博弈，左右手互博，自己制定了一個blueprint strategy(藍圖策略），最后對每個可能的狀況進行概率分布統(tǒng)計，通過搜索決策樹來決定下一步的行為，是叫牌還是出牌。

CFR是一種迭代的自我游戲算法，AI從完全隨機游戲開始，然后通過學習擊敗早期版本的自己逐漸改進。

在算法的每次迭代中，MCCFR指定一個玩家作為其當前策略在迭代中更新的標記。在迭代開始時，MCCFR根據(jù)當前所有玩家的策略(最初是完全隨機的)模擬一手撲克牌。一旦模擬完成，人工智能就會回顧每一個玩家做出的決定，然后通過選擇其他可用的行動來預測這個決定的好壞程度。

Pluribus玩家博弈樹

在解決不完全信息博弈中搜索的問題，Pluribus跟蹤每一手，根據(jù)其策略達到目前狀況的可能性。不管Pluribus實際上握著的牌，它首先會計算如何使用可能的每一手，謹慎地平衡所有的策略，以保持對于對手的不可預測性。

Pluribus 中的實時搜索

撲克以外的事

之前在1V1局中大勝人類的Libratus后來去五角大樓上班去了，國防部認為這種策略型人工智能或許可以幫助他們進行戰(zhàn)略的制定。

負責 Pluribus 項目的 研究員Noam Brown說：“Pluribus的技術可以用于華爾街交易、拍賣、政治談判和網(wǎng)絡安全這些活動中，這些活動就像撲克一樣，涉及隱藏信息，因為你并不總是知道真實世界的狀態(tài)?！?/p>

盡管像谷歌這樣的公司，有著“Don't be evil”的信條，但是，不可避免的是這樣能夠理解人類策略的人工智能，還是會引發(fā)大眾對于人工智能的某種恐懼，或者說，如果這樣的人工智能被運用到軍事決策中，將會帶來多嚴重的后果？