教会自己虚张声势的计算机

熟能生巧，即使你恰好是一个人工智能。

这是阿尔伯塔大学的 Michael Bowling 领导的一项实验的前提，该实验设置了一个名为 Cepheus 的程序，让它与自己玩一亿亿（是的，一亿亿亿）手扑克变体游戏，即单挑限注德州扑克。Cepheus 在 4,600 个 CPU 上运行，每秒计算 60 亿手牌，从每次胜利、平分底池和失败中学习。在实际 70 天中，相当于 CPU 1,000 年的时间后，Cepheus 玩的扑克牌比整个人类玩的还要多。在发表在《科学》杂志上的一篇论文中，Bowling 团队宣布，他们利用 Cepheus 有效地“解决”了单挑限注德州扑克 - 这意味着该程序的决策非常接近完美，以至于没有办法看看一个理论上完美的人类在 70 年的时间里，每天 12 小时，每小时玩 200 手牌是否能做得更好。

统计学家对“解决”游戏的定义有些晦涩难懂，因为 Cepheus 实际上并非每局都不可战胜——恰恰是因为游戏中存在不可消除的运气因素。如果拿到一手烂牌，狡猾的职业选手可能会输给业余选手。

该程序的决策如此接近完美，以至于无法看出理论上完美的人类是否能做得更好。

“最糟糕的情况可能是你手上有一手好牌，而你的对手手上有一手更好的牌，”这项研究的合著者迈克·约翰逊说。“你认为自己会赢，所以你下了很多赌注，结果输了很多钱。”

但一旦统计噪声的影响在数千手牌中消失，Cepheus 的技能保证它不会在长期内亏损。

“第一步是建立一个能够击败人类专家的程序，我们在 2008 年就做到了，”约翰逊说。“我们在论文中宣布，Cepheus 能够完美地下棋，不会犯错误。”

在研究中使用的德州扑克版本中，两名玩家（“单挑”）使用固定（“限制”）赌注大小进行比赛，并且有两张牌是隐藏的。这里真正新颖的是 Cepheus 必须学会在对手持有的牌有如此“不完全信息”的情况下做出决定。尽管计算机科学家之前已经解决了 Connect Four 或 Checkers 等“完全信息”游戏，其中计算机完全了解之前的走法和可能的未来结果，但艾伯塔省的研究是人类玩的不平凡的不完全信息游戏的第一个解决方案。

“而 Cepheus 必须学会如何在没有人类专家帮助的情况下下棋，”Johanson 说。“我们教它规则，然后它自己进行训练，弄清楚如何慢棋和虚张声势等棘手的心理问题。”

虚张声势是指玩家手中的牌很弱，但为了欺骗对手弃牌而积极下注。慢玩则相反；手中的牌很强，玩家希望谨慎下注，以诱使对手留在游戏中进行更多下注。而关于其他玩家手中牌的“不完全信息”传统上使得这些心理战术很难被计算机处理。直到现在。还有那数以亿计的德州扑克牌。可以肯定地说，Cepheus 已经见识过扑克玩家可能尝试使用的所有技巧。

您可以在线与 Cepheus 对战，或者向它询问策略问题。

尽管扑克牌生意很大，但计算机科学家更感兴趣的是将其作为基准。约翰逊预计，其他领域的博弈论者也会将这种方法应用于不完全信息占主导地位的其他领域，如谈判或反恐。

例如，南加州大学教授米林德·坦贝 (Milind Tambe) 开发了一种名为 ARMOR 的博弈论工具，洛杉矶国际机场和联邦空中警察均使用该工具来安排巡逻和检查站，这种方式既结合了随机性，又权衡了潜在威胁。