Libratus 概述 Libratus 是一个由卡耐基梅隆大学（Carnegie Mellon University, CMU）开发的人工智能程序，专门用于玩德州扑克，尤其是两人无限制德州扑克（heads-up no-limit Texas hold 'em, HUNL）。 它的名称来源于拉丁语，意为“平衡”，强调其在博弈中的平衡策略。 技术背景 Libratus 的开发基于前一代 AI 程序 Claudico，但进行了大幅改进。 它使用了超过 1500 万个核心小时的计算资源，主要在匹兹堡超级计算中心（Pittsburgh Supercomputing Center）的“Bridges”超级计算机上进行。 核心算法 Libratus 采用了一种新的反事实后悔最小化（Counterfactual Regret Minimization, CFR）变体，称为 CFR+ 方法。 这种方法在 2014 年由 Oskari Tammelin 提出，能够更有效地优化策略。 Libratus 还引入了一种新的端游解决技术（endgame solving），用于细化状态空间和策略空间，避免了传统的“行动映射”（action mapping）方法。 比赛表现 2017 年 1 月 11 日至 31 日，Libratus 在一场为期 20 天的比赛中对阵四位顶级德州扑克选手：Jason Les、Dong Kim、Daniel McAulay 和 Jimmy Chou。 比赛共进行了 120,000 手牌，比 2015 年 Claudico 参加的比赛多了 50%。 最终，Libratus 以显著的优势战胜了人类选手，证明了其在德州扑克中的强大实力。 Pluribus 概述 Pluribus 是一个由 Facebook 和卡耐基梅隆大学联合开发的人工智能程序，专长于六人无限制德州扑克（six-player no-limit Texas hold 'em, 6NLHE）。 与 Libratus 不同，Pluribus 能够在多人游戏中表现出色。 技术背景 Pluribus 使用了自适应搜索算法（self-play and search algorithms）来优化其策略。 它通过自我对弈生成大量数据，并在此基础上进行策略优化。 核心算法 Pluribus 采用了反事实后悔最小化（CFR）算法的变体，结合了在线搜索技术（online search techniques）。 这种方法允许 Pluribus 在对局中动态调整策略，而不是依赖于预先计算的固定策略。 比赛表现 2019 年，Pluribus 在一项研究中与 13 名顶级德州扑克选手进行了对抗，其中包括一些世界冠军。 在 10,000 手牌的比赛中，Pluribus 表现出了显著的优势，证明了其在多人德州扑克中的竞争力。 DeepStack 概述 DeepStack 是一个由加拿大阿尔伯塔大学（University of Alberta）开发的人工智能程序，同样专注于德州扑克，特别是两人无限制德州扑克（HUNL）。 它的名字来源于其使用的技术——深度堆叠（Deep Stacking）。 技术背景 DeepStack 采用了连续重新解决（Continuous Resolving）技术，这是一种动态解子游戏的方法，旨在减少存储大量策略所需的内存。 它还使用了值网络（value networks）来替代深层搜索，从而提高了效率。 核心算法 DeepStack 的基础是反事实后悔最小化（CFR）算法的变体。 通过连续重新解决，DeepStack 能够在对局中实时调整策略，而不是依赖于预先计算的固定策略。 比赛表现 2017 年，DeepStack 在 3000 局的比赛中击败了几位职业德州扑克选手。 这次胜利进一步证明了人工智能在非对称信息博弈中的潜力。 共同特点 反事实后悔最小化（CFR） 三个程序都使用了 CFR 算法的变体，这是解决非对称信息博弈的关键技术。 CFR 通过不断优化策略以最小化后悔值，最终收敛到纳什均衡点。 动态策略调整 Libratus 和 DeepStack 都采用了动态策略调整技术，能够在对局中实时优化策略。 Pluribus 通过自我对弈生成数据，并在对局中使用在线搜索技术进行策略调整。 计算资源 这些程序都需要大量的计算资源，尤其是 Libratus，使用了超过 1500 万个核心小时的计算时间。 计算资源的投入使得这些程序能够在复杂的德州扑克环境中表现出色。 应用前景 非对称信息博弈 德州扑克是一种典型的非对称信息博弈，这些 AI 程序的成功展示了在处理此类问题上的巨大潜力。 非对称信息博弈的应用范围广泛，包括国家战略、商业决策、金融投资等领域。 技术推广 这些技术不仅限于德州扑克，还可以应用于其他需要处理不确定性和不完全信息的领域。 例如，DeepStack 的连续重新解决技术可以用于实时决策系统，提高其在复杂环境中的适应能力。 总结 Libratus 在 2017 年的比赛中展示了其在两人无限制德州扑克中的强大实力，通过先进的 CFR+ 方法和端游解决技术取得了显著胜利。 Pluribus 则在多人德州扑克中表现出色，通过自我对弈和在线搜索技术实现了高效的策略调整。 DeepStack 也在 2017 年的比赛中取得了成功，其连续重新解决技术和值网络使其在处理非对称信息博弈方面具有独特优势。 这三个 AI 程序在德州扑克领域的成功，不仅展示了人工智能在处理复杂博弈问题上的巨大潜力，也为未来在更多领域的应用提供了宝贵的经验和技术基础。