如果以后要再拍一版《賭神》，也許主角們要面對(duì)的大BOSS不再是人類(lèi)了。當(dāng)?shù)貢r(shí)間1月30日，在美國(guó)匹茲堡的大河賭場(chǎng)（Rivers Casino），一個(gè)名為L(zhǎng)ibratus的人工智能在共計(jì)12萬(wàn)手的一對(duì)一無(wú)限注德州撲克比賽中擊敗了四名頂尖人類(lèi)高手，斬獲20萬(wàn)美元獎(jiǎng)金。

這場(chǎng)德?lián)浣绲娜藱C(jī)“華山論劍”名為“Brains Vs. Artificial Intelligence: Upping the Ante”（人腦大戰(zhàn)電腦：升級(jí)版）。經(jīng)歷了20天的較量后，在個(gè)人戰(zhàn)績(jī)上，四名職業(yè)玩家Jason Lee、Dong Kim、Daniel McAulay和Jimmy Chou均不敵人工智能；在總體戰(zhàn)績(jī)上，四名人類(lèi)玩家共計(jì)輸給Libratus176萬(wàn)美元籌碼。

輸給人工智能的人類(lèi)是什么心情？

在這場(chǎng)德?lián)漕I(lǐng)域的人機(jī)巔峰對(duì)決中，人類(lèi)可謂是慘敗。在共計(jì)20個(gè)比賽日中，人類(lèi)團(tuán)隊(duì)只在其中4天里贏得了籌碼。

1月30日傍晚，完成了3萬(wàn)手比賽的Jimmy Chou筋疲力盡地告訴媒體，“這太難了。它（Libratus）不僅不留空子給我鉆，而且我真的覺(jué)得它在鉆我空子”。

Daniel McAulay說(shuō)道，“在第10比賽日的時(shí)候，我還樂(lè)觀心很大，想把那AI拉下馬”。他們絞盡腦汁，每天比賽后都開(kāi)會(huì)到深夜，但想出的戰(zhàn)術(shù)沒(méi)一個(gè)管用的?！笆前?，我們就是完敗，還能說(shuō)啥呢”。

而在四名人類(lèi)高手中最終戰(zhàn)績(jī)最佳的Dong Kim或許“早已看穿了一切”，在賽程過(guò)半時(shí)，他就認(rèn)定人類(lèi)已經(jīng)沒(méi)有機(jī)會(huì)了。

Jason Lee下場(chǎng)后則迫不及待地想去找Libratus的開(kāi)發(fā)者們聊一聊，“我就是想確定一下他們是不是把計(jì)算機(jī)偷偷塞在我們腦子里了，因?yàn)樗淖儜?zhàn)術(shù)的時(shí)候就像是針對(duì)我們每個(gè)人發(fā)動(dòng)的 人身攻擊 ”。

從“溜進(jìn)”到“均衡”：人工智能一年半逆襲人類(lèi)

Libratus的開(kāi)發(fā)者是美國(guó)卡內(nèi)基梅隆大學(xué)（CMU）的計(jì)算機(jī)系教授托馬斯 桑德霍姆（Tuomas Sandholm）和其研究生諾姆 布朗（Noam Brown）。

事實(shí)上，在一年半以前，桑德霍姆就曾帶著AI來(lái)“踢館”，但那次比賽的結(jié)局完全不同。2015年4月24日至5月7日，同樣是在匹茲堡的大河賭場(chǎng)，桑德霍姆團(tuán)隊(duì)開(kāi)發(fā)的人工智能Claudico在連續(xù)兩周的無(wú)限注德州撲克比賽中輪流與四名排在世界前十的頂尖撲克選手（Doug Polk，Dong Kim，Bjorn Li和Jason Les）單挑80000回合。當(dāng)時(shí)，人類(lèi)幾乎贏下了每個(gè)比賽日，最終以73萬(wàn)美元的籌碼差完勝Claudico，以個(gè)人戰(zhàn)績(jī)排名而論，也只有一名人類(lèi)選手不敵Claudico。

因此，當(dāng)時(shí)AI專(zhuān)家紛紛預(yù)測(cè)，計(jì)算機(jī)攻下德州撲克起碼還需要5年。這次開(kāi)賽前，Libratus也不被看好，博彩公司為人類(lèi)勝出開(kāi)出的盤(pán)口從4賠1到5賠1不等。

那么，Libratus是如何在短短一年半內(nèi)逆襲人類(lèi)的呢？

首先，是計(jì)算強(qiáng)度的大大提高。無(wú)論是Libratus還是Claudico，背后都是匹茲堡超算中心。這次截至比賽結(jié)束，Libratus占用了超級(jí)計(jì)算機(jī)Bridges的2000萬(wàn)到2500萬(wàn)“核心小時(shí)”，是之前Claudico的10倍。

其次，桑德霍姆也在算法上做出了一些改進(jìn)。除了采用一種新的平衡近似方法之外，也引進(jìn)了在后期牌局中分析可能結(jié)果的幾種新方法。

Claudico和Libratus這兩個(gè)名字都源自拉丁文，Claudico意為“溜進(jìn)”。而“溜進(jìn)”在德?lián)渲兄复环N翻牌前的策略，即玩家不加注，只跟進(jìn)1倍大盲注。而Claudico機(jī)如其名，在實(shí)戰(zhàn)中擅長(zhǎng)將“溜進(jìn)”策略運(yùn)用到極致。

Libratus在拉丁語(yǔ)中的意思則是“均衡的”。這個(gè)名字一語(yǔ)雙關(guān)，首先，它點(diǎn)出了桑德霍姆將納什均衡等博弈論運(yùn)用在人工智能算法上；其次，Libratus的“套路”很深，能平衡地使用各種技巧，讓對(duì)手吃不準(zhǔn)。

納什均衡學(xué)得好，詐唬死你沒(méi)商量

百度首席科學(xué)家吳恩達(dá)（Andrew Ng）說(shuō)道，“撲克是人工智能最難攻克的游戲之一。每一步?jīng)]有所謂的最優(yōu)解，人工智能要采取隨機(jī)的策略，這樣它詐唬的時(shí)候?qū)Ψ讲艜?huì)吃不準(zhǔn)?！?/p>

詐唬（bluffing）是德州撲克的一種經(jīng)典策略，它生動(dòng)地體現(xiàn)了撲克游戲的“心理博弈”特征：即在手上的牌不夠大的時(shí)候，依然虛張聲勢(shì)地加注，以嚇退對(duì)手。為了達(dá)到好的詐唬效果，玩家的下注策略需要具備足夠的隨機(jī)性，以避免被對(duì)手摸清套路。總是詐唬的人和從不詐唬的人都不是一個(gè)好的德?lián)渫婕摇?/p>

在本次比賽中，人類(lèi)玩家明顯地感覺(jué)到Libratus善于詐唬及不被詐唬。這得益于開(kāi)發(fā)者們教會(huì)它運(yùn)用博弈論和戰(zhàn)略決策理論，在充滿(mǎn)不確定性的情景中找到平衡風(fēng)險(xiǎn)與收益的最佳策略，即所謂的“均衡”。

值得一提的是，這次比賽是以鏡像局的方式進(jìn)行的。在每一對(duì)鏡像局中，AI和人類(lèi)玩家的手牌是對(duì)調(diào)的。這種比賽方式不僅消除了抓牌運(yùn)氣的影響，也為我們了解AI的出牌風(fēng)格提供了生動(dòng)的視角。這比如其中一盤(pán)，人類(lèi)高中Jason Lee起手牌是一對(duì)10（非梅花），前三張公共牌為K、9、4(其中有兩張梅花)，第四張和第五張都開(kāi)出了非梅花牌。此時(shí)，AI突然壓上所有籌碼，Lee選擇不跟。通過(guò)隔壁的鏡像局，我們發(fā)現(xiàn)AI當(dāng)時(shí)的起手牌確實(shí)是兩張梅花，也就是，AI最后在湊同花失敗的情況下，成功通過(guò)詐唬贏下了一局。而在鏡像局中，AI早早為手上一對(duì)10下了重注，最后人類(lèi)玩家同樣選擇棄牌。

在現(xiàn)實(shí)生活中或許比阿爾法狗更有用

盡管就表面來(lái)看，Libratus這次奪魁像是阿爾法狗戰(zhàn)勝李世石的翻版，無(wú)非是再一次證明了人類(lèi)玩游戲玩不過(guò)計(jì)算機(jī)。但事實(shí)上，解決棋類(lèi)和解決撲克這兩個(gè)問(wèn)題對(duì)人工智能而言，性質(zhì)和路徑非常不同。

就路徑來(lái)看，我們已經(jīng)發(fā)現(xiàn)相比起孕育在時(shí)髦的深度學(xué)習(xí)土壤中的阿爾法狗，Libratus或許更加像一個(gè)依賴(lài)超算能力的“經(jīng)典人工智能”（Good Old-Fashioned Artificial Intelligence）。除此之外，阿爾法狗通過(guò)計(jì)算每一步的勝率來(lái)進(jìn)行決策，但Libratus面臨的決策情景則復(fù)雜得多，為此，開(kāi)發(fā)者不得不引入博弈論來(lái)對(duì)問(wèn)題進(jìn)行處理。

這也是人類(lèi)在德州撲克陣地上比圍棋多撐了一會(huì)兒的原因。此前20年間被人工智能攻克的西洋雙陸棋、跳棋、國(guó)際象棋和圍棋都是“完美信息”游戲，所有玩家在游戲中能獲得的確定性信息是對(duì)稱(chēng)的。人工智能掌握這些游戲的難度，主要取決于游戲中需要做出的決策點(diǎn)（decision points）的數(shù)量，這決定了計(jì)算機(jī)需要的計(jì)算量。圍棋是上述幾種棋類(lèi)中決策點(diǎn)數(shù)量最多的，因而也是最后被人工智能掌握的。一盤(pán)圍棋游戲約包含有10的170次方個(gè)決策點(diǎn)。

而計(jì)算機(jī)之父馮 諾依曼說(shuō)過(guò)，“現(xiàn)實(shí)世界與此不同，現(xiàn)實(shí)世界包含有很多賭博、欺騙的戰(zhàn)術(shù)，還涉及你會(huì)思考別人會(huì)認(rèn)為你將做什么。”德州撲克就是這樣一種更接近現(xiàn)實(shí)世界的“非完美信息”游戲，玩家只掌握不對(duì)稱(chēng)的信息，他不知道對(duì)手手中是什么牌，不知道五張公共牌會(huì)開(kāi)出怎樣的結(jié)果，也不知道對(duì)手猜測(cè)自己握有怎樣的手牌。這些問(wèn)題在計(jì)算范圍之內(nèi)。

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

而通過(guò)博弈論讓人工智能學(xué)會(huì)找到平衡風(fēng)險(xiǎn)與收益的方法，不僅會(huì)在牌桌上贏得籌碼，也將在現(xiàn)實(shí)生活中找到用武之地。這也是匹茲堡超算中心同意與桑德霍姆合作的原因。畢竟商業(yè)談判、網(wǎng)絡(luò)安全、出租車(chē)自動(dòng)駕駛、機(jī)器人規(guī)劃、醫(yī)療規(guī)劃等領(lǐng)域都需要在“不完美信息”情景中做出決策。諾姆 布朗認(rèn)為，現(xiàn)在人工智能已經(jīng)在圍棋、撲克等特定任務(wù)上媲美甚至超過(guò)人類(lèi)，但我們最終追求的是能像人類(lèi)一樣適應(yīng)現(xiàn)實(shí)生活中各種不確定性和完成各種任務(wù)的通用人工智能（GAI），而Libratus就在應(yīng)對(duì)不確定性這個(gè)問(wèn)題上走出了關(guān)鍵一步。從這個(gè)意義上說(shuō)，會(huì)玩德州撲克的AI或許比會(huì)下圍棋的AI更有用。