211service.com
Hvorfor poker er en stor avtale for kunstig intelligens
Som den store Kenny Rogers en gang sa, en god gambler må vite når de skal holde dem og vite når de skal kaste dem. På Rivers Casino i Pittsburgh denne uken kan et dataprogram kalt Libratus endelig bevise at datamaskiner kan gjøre dette bedre enn noen menneskelig kortspiller.
Libratus spiller tusenvis av spill med heads-up, eller to-spiller, no-limit Texas hold'em mot flere profesjonelle pokerspillere. Nå litt mer enn halvveis i den 20-dagers konkurransen er Libratus opp med nesten $800 000 mot sine menneskelige motstandere. Så seier, selv om det er langt fra garantert, kan godt ligge i kortene.
En seier for Libratus ville vært en stor prestasjon innen kunstig intelligens. Poker krever resonnement og intelligens som har vist seg vanskelig for maskiner å etterligne. Det er fundamentalt forskjellig fra dam, sjakk eller Go, fordi motstanderens hånd forblir skjult under spilling. I spill med ufullkommen informasjon er det enormt komplisert å finne ut den ideelle strategien gitt alle mulige tilnærminger motstanderen din kan ha. Og no-limit Texas hold'em er spesielt utfordrende fordi en motstander i hovedsak kan satse et hvilket som helst beløp.
Poker har vært et av de vanskeligste spillene for AI å knekke, sier Andrew Ng , sjefforsker ved Baidu. Det er ikke noe enkelt optimalt trekk, men i stedet må en AI-spiller randomisere handlingene sine for å gjøre motstandere usikre når den bløffer.
Libratus ble skapt av Tuomas Sandholm , en professor ved informatikkavdelingen ved CMU, og hans hovedfagsstudent Noam Brown . Sandholm, en ekspert på spillteori og kunstig intelligens som emigrerte fra Finland for sin doktorgrad, sier det er utrolig at mennesker har vært i stand til å spille ut datamaskiner så lenge. Det slår meg bare i tankene hvor gode disse toppproffene er, sier han. «Av alle disse spillene som AI har taklet, er [poker] det eneste hvor AI ikke har oppnådd overmenneskelig ytelse.
AI-forskere bruker spillteori, eller matematikken for strategisk beslutningstaking, for å finne den beste strategien gitt ulike usikkerhetsmomenter, kjent som en likevekt. Fordi mulighetene er så store, innebærer dette vanligvis en form for tilnærming.
Om et trekk er bra eller ikke avhenger av ting du ikke kan observere, sier Vincent Conitzer , en professor ved Duke University som underviser i AI og spillteori. Dette resulterer også i et behov for å være uforutsigbar. Hvis du aldri bløffer, er du ikke en god spiller. Hvis du alltid bløffer, er du ikke en god spiller. Spillteori forteller deg hvordan du kan randomisere spillet ditt på en måte som på en måte er optimal.
I fjor ledet Sandholm utviklingen av et tidligere pokerspilleprogram, kalt Claudico, som ble solid slått i en kamp mot flere profesjonelle pokerspillere. Han forklarer at Libratus bruker flere nye fremskritt for å oppnå et så høyt spillenivå. Dette inkluderer en ny likevektstilnærmingsteknikk, sier Sandholm, samt flere nye metoder for å analysere mulige utfall ettersom kort avsløres på senere stadier av et spill. Denne sluttspillanalysen er beregningsmessig svært utfordrende, og utføres under hvert spill på Pittsburgh Supercomputing Center, et anlegg som drives av CMU og University of Pittsburgh.
Fremskritt innen maskinlæring og AI har sett en rekke overmenneskelige spillprogrammer dukket opp nylig. I fjor utviklet forskere ved DeepMind, et datterselskap av Alphabet, et program som er i stand til å slå en av verdens beste Go-spillere. Denne prestasjonen var så spektakulær fordi Go er ekstremt kompleks, og fordi det er vanskelig å måle fremgang i spillet (se Googles AI Masters Go et tiår tidligere enn forventet ).
Noen få forskjellige forskningsgrupper er fokusert på å takle poker. Et annet akademisk team, fra University of Alberta i Canada, og Charles University og Czech Technical University i Tsjekkia, utviklet nylig et program, kalt DeepStack , som allerede har slått flere profesjonelle spillere i heads-up no limit Texas hold'em (se Poker Is the Latest Game to Fold Against AI). Men, sier Sandholm, spillerne som er involvert i kampen mot Libratus er langt sterkere, og spiller mange flere hender mot maskinen, noe som burde gi større statistisk signifikans til resultatet.
Teknikkene som brukes for å bygge en smartere pokerbot kan ha mange virkelige applikasjoner. Spillteori har allerede blitt brukt på forskning på jamming-angrep og cybersikkerhet, automatisert veiledning for taxitjenester og robotplanlegging, sier Sam Ganzfried , som var involvert i utviklingen av Claudico og er nå assisterende professor ved Florida International University i Miami.
Men selv om Libratus vinner denne uken, betyr ikke det at mennesker ikke lenger fortjener en plass ved kortbordet. Flerspillerversjonen av no-limit Texas hold'em kan ikke mestres ved å bruke teknikkene som brukes av Libratus.