導(dǎo)讀：經(jīng)過五天的鏖戰(zhàn)，德州撲克人工智能系統(tǒng)Libratus毫無懸念獲得最終勝利。在這場(chǎng)德州撲克人機(jī)大戰(zhàn)中，中國(guó)龍之隊(duì)的六位牌手共與冷撲大師打了36000手牌，共輸792327分，AI完勝人類。
4月10日，“冷撲大師V.S.中國(guó)龍之隊(duì)——人機(jī)撲克巔峰表演賽”落下帷幕。經(jīng)過五天賽事，冷撲大師最終以792,327總記分牌的戰(zhàn)績(jī)獲勝，200萬(wàn)獎(jiǎng)勵(lì)歸屬冷撲大師。
五天下來冷撲大師累計(jì)贏得792,327記分牌數(shù)，平均22.0每百手損失大盲
此次人機(jī)撲克大戰(zhàn)巔峰表演賽的發(fā)起人、創(chuàng)新工場(chǎng)CEO、人工智能工程院院長(zhǎng)李開復(fù)表示：“透過冷撲大師和龍之隊(duì)表演賽的對(duì)戰(zhàn)結(jié)果，人機(jī)對(duì)戰(zhàn)基本沒有懸念了，據(jù)聞AlphaGo近期即將來華和柯潔對(duì)戰(zhàn)，其實(shí)已經(jīng)不再具有科學(xué)意義了?！?/p>
圍棋和德州撲克代表了AI處理人機(jī)對(duì)弈的兩種信息模式——完美信息和不完美信息。在博弈論中，完美信息指后參與者可觀察到前參與者的行為。不完美信息指參與者做選擇的時(shí)候不知道其他參與者的選擇。
冷撲大師背后是由卡內(nèi)基梅隆大學(xué)Tuomas Sandholm教授發(fā)明的人工智能Libratus，和AlphaGo不同，Libratus不需要提前背會(huì)大量棋譜，也不局限于在公開的完美信息場(chǎng)景中進(jìn)行運(yùn)算，而是從零開始，基于撲克游戲規(guī)則針對(duì)游戲中對(duì)手劣勢(shì)進(jìn)行自我學(xué)習(xí)，并通過博弈論來衡量和選取最優(yōu)策略。
AlphaGo也通過和自己下棋來學(xué)習(xí)，但在此之前會(huì)分析人類玩家的棋譜學(xué)習(xí)，再和自己下棋來提高棋藝。
在此次比賽和1月匹茲堡的兩次德?lián)淙藱C(jī)對(duì)戰(zhàn)中，Libratus和冷撲大師在三個(gè)主要技術(shù)模塊中都使用了新的算法：包括比賽前采用近于納什均衡策略的計(jì)算（Nash Equilibrium strategies）、每手牌中運(yùn)用終結(jié)解決方案（Endgame Solving）、以及根據(jù)對(duì)手能被識(shí)別和利用的漏洞，持續(xù)優(yōu)化戰(zhàn)略打得更為趨近平衡。
這也是冷撲大師在后程越來越兇悍，讓人類玩家難以抵擋的原因之一。在五天的巔峰表演賽中，冷撲大師和中國(guó)龍之隊(duì)雙方共完成了36,000手牌，每天鏖戰(zhàn)10個(gè)小時(shí)。
比賽首日中國(guó)龍之隊(duì)與冷撲大師的積分差距為65,137記分牌，第二日人類落入低谷，差距347,565記分牌、第三日差距233,874記分牌、第四日人機(jī)大幅拉近為98,408記分牌、完賽日47,343記分牌，五天下來冷撲大師累計(jì)贏得792,327記分牌數(shù)，平均22.0每百手損失大盲。
積分差距
中國(guó)龍之隊(duì)隊(duì)長(zhǎng)杜悅在談到五天的比賽感想時(shí)表示，“人工智能在對(duì)戰(zhàn)時(shí)不會(huì)受到情感、心理、體能等因素影響，且強(qiáng)大運(yùn)算能力遠(yuǎn)超人類大腦，不得不承認(rèn)冷撲大師很多手牌打得令人拍案叫絕”。
對(duì)此，創(chuàng)新工場(chǎng)李開復(fù)博士說，人工智能發(fā)展勢(shì)不可擋?！拔艺J(rèn)為，未來的人工智能領(lǐng)域不再是幾個(gè)小伙伴就可以打天下的時(shí)代了，而是需要頂尖的人工智能科學(xué)家、海量數(shù)據(jù)、強(qiáng)大的運(yùn)算能力、以及清晰行業(yè)應(yīng)用幾大閉環(huán)?！?/p>
李開復(fù)表示，希望冷撲大師對(duì)戰(zhàn)龍之隊(duì)這場(chǎng)人工智能的里程碑事件將推動(dòng)人們對(duì)于人工智能的認(rèn)知，人機(jī)撲克對(duì)戰(zhàn)中，我們看到了在爾虞我詐、概率不確定、非完美信息需要推理和情商的游戲里，機(jī)器一樣可以獲勝，而類似的場(chǎng)景在真實(shí)世界中比比皆是。人工智能已經(jīng)不再只和AlphaGo對(duì)標(biāo)，人工智能已從不完美信息的處理，進(jìn)步到對(duì)不完美信息海量信息運(yùn)算，并具備了推理和學(xué)習(xí)能力。
他強(qiáng)調(diào)，“我期待下一個(gè)更加高明的AI大師級(jí)應(yīng)用登場(chǎng)，而我更愿意相信，這些應(yīng)用會(huì)來自優(yōu)秀的年輕創(chuàng)業(yè)者，而不是諸如BAT等的科技巨頭黑洞”。
會(huì)詐唬的AI
Libratus是一個(gè)玩無限德州撲克的人工智能程序，Libratus的策略并非基于專業(yè)玩家的經(jīng)驗(yàn)，所以它的玩牌方式可能有明顯的不同?；谠谄テ澅こ?jí)計(jì)算機(jī)中心大約1500萬(wàn)核心小時(shí)的計(jì)算，它使用算法分析德州撲克規(guī)則，從而建立自己的策略，而且它能夠在比賽中，通過預(yù)測(cè)所有未來步驟的勝率來思考自己的下一步。
與圍棋強(qiáng)調(diào)計(jì)算和形式判斷能力不同，德州撲克更講究多人博弈過程，如何避免人性貪婪等弱點(diǎn)，并將科學(xué)的概率統(tǒng)計(jì)與靈活的實(shí)戰(zhàn)策略很好地配合起來。在圍棋、象棋等游戲中，機(jī)器和人類在決策前可以獲得全部信息，而在德州撲克中，彼此無法得知對(duì)方的底牌是什么，也不知道發(fā)牌員發(fā)出的下一張牌是什么，在“不完整信息”下，人工智能需要根據(jù)經(jīng)驗(yàn)或概率統(tǒng)計(jì)知識(shí)，猜測(cè)對(duì)手底牌和下一張牌的可能性，然后再制定自己的應(yīng)對(duì)策略。
“如果AlphaGo是一個(gè)超級(jí)天才，冷撲大師CMU系統(tǒng)其實(shí)一定程度上是一個(gè)EQ專家，是靠EQ來打敗你?！崩铋_復(fù)表示。表演賽為求降低發(fā)牌中的運(yùn)氣因素，機(jī)器人采用復(fù)式對(duì)稱發(fā)牌，兩兩成對(duì)的牌手其中一人將拿到與配對(duì)牌手對(duì)打的機(jī)器人底牌，因此六名牌手將拆分于兩個(gè)房間和冷撲大師對(duì)陣，比賽過程中還必須確保配對(duì)牌手彼此不能碰面交流。在整個(gè)比賽中，冷撲大師也經(jīng)常出現(xiàn)一些“詭異”的打法，例如時(shí)常超池下注，給對(duì)手造成極大的壓力，并做出人類出于心理原因做不到但是正確的bluff（詐唬）。
“AI利用增強(qiáng)學(xué)習(xí)技術(shù)，從自我對(duì)局中學(xué)習(xí)最優(yōu)的撲克玩法，而避免從人類的既定模式中學(xué)習(xí)經(jīng)驗(yàn)，這是非常重要的一點(diǎn)?！崩铋_復(fù)表示。不過，據(jù)了解，目前Libratus的算法還只適用于無限制投注的一對(duì)一比賽，如果將比賽擴(kuò)展到更常見的多人制比賽，Libratus面對(duì)的挑戰(zhàn)會(huì)更大一些，還需要進(jìn)行策略上的升級(jí)與調(diào)整。
人工智能應(yīng)用挑戰(zhàn)
正如馬云所提及的疑問一樣，人工智能打敗人類圍棋大師，所以會(huì)打撲克的人工智能在解決更為廣泛的現(xiàn)實(shí)問題方面又有哪些價(jià)值？在李開復(fù)看來，世界上大部分的信息還不是公開的，冷撲大師在面臨不完全或誤導(dǎo)信息時(shí)的推理能力，未來能夠解決在決策、外交、商業(yè)合作、談判方面的不確定性問題，成為人類的“參謀”。
但如同谷歌人工智能大勝人類圍棋大師，使得AlphaGo的能力被充分認(rèn)知，但在商業(yè)化方法和能力方面卻并不明顯。以AlphaGo為例，需要學(xué)習(xí)數(shù)量龐大的棋局才可以掌握有效的下棋技巧，而冷撲大師目前的對(duì)戰(zhàn)形式也是一對(duì)一，而現(xiàn)實(shí)生活中德?lián)涫嵌嗳擞螒颍嗳擞螒蛟谟?jì)算上的復(fù)雜程度是目前冷撲大師所無法勝任的。
人工智能和冷撲大師所提煉出來的人工智能技術(shù)如何發(fā)揮其商業(yè)價(jià)值，李開復(fù)認(rèn)為仍需要滿足三個(gè)條件：海量的數(shù)據(jù)、數(shù)據(jù)有標(biāo)注、單領(lǐng)域。例如在金融領(lǐng)域，金融是虛擬的、由人創(chuàng)造的，數(shù)據(jù)量龐大且天生帶有標(biāo)注，譬如股票的漲停、小額貸款是否還錢、買了保險(xiǎn)后是否出事都是一種標(biāo)注，這使得AI在放貸、銀行、投資、保險(xiǎn)方面具有潛力。
“相較于告訴人們?nèi)斯ぶ悄苣茏鍪裁?，目前更重要的反倒是告訴人們，人工智能不能做什么。”地平線機(jī)器人技術(shù)創(chuàng)始人兼首席執(zhí)行官余凱曾向第一財(cái)經(jīng)記者表示，在他看來，人工智能進(jìn)一步拓展的首要挑戰(zhàn)就是數(shù)據(jù)不足的問題。眾所周知，人工智能是建立在海量數(shù)據(jù)基礎(chǔ)之上，通過大數(shù)據(jù)訓(xùn)練，來優(yōu)化算法模型，以人臉識(shí)別技術(shù)為例，訓(xùn)練這一算法模型需要至少百萬(wàn)級(jí)別的圖片數(shù)據(jù)。
目前，人工智能主要是監(jiān)督式學(xué)習(xí)，有監(jiān)督的訓(xùn)練就需要帶標(biāo)簽的數(shù)據(jù)，因此數(shù)據(jù)的質(zhì)量和精準(zhǔn)度與輸出結(jié)果密切相關(guān)。“如何剔除數(shù)據(jù)中的噪音、垃圾信息，獲取優(yōu)質(zhì)且?guī)в袠?biāo)簽的數(shù)據(jù)成為新挑戰(zhàn)，這其中就涉及到無監(jiān)督式學(xué)習(xí)或者半監(jiān)督式學(xué)習(xí)?！钡仄骄€機(jī)器人技術(shù)聯(lián)合創(chuàng)始人、算法副總裁黃暢說。
另一大挑戰(zhàn)在于深度學(xué)習(xí)的推廣和場(chǎng)景遷移能力不足，每個(gè)領(lǐng)域的數(shù)據(jù)都需要重新收集、標(biāo)準(zhǔn)和再訓(xùn)練，很難進(jìn)行跨領(lǐng)域推廣。這些挑戰(zhàn)也是人工智能工業(yè)界和學(xué)術(shù)界急需突破的問題。“在招聘的過程中，懂得深度學(xué)習(xí)的人很多，而懂得遷移學(xué)習(xí)、增強(qiáng)學(xué)習(xí)，具備思辨能力的人很少?！钡谒姆妒絼?chuàng)始人、首席執(zhí)行官戴文淵告訴記者。
在實(shí)際應(yīng)用層面，人工智能仍有很長(zhǎng)的路要走。正如李開復(fù)在比賽結(jié)束后的回應(yīng)一樣：“人工智能已從完美信息的AlphaGo，延伸到了不完美信息的冷撲大師，人機(jī)對(duì)戰(zhàn)基本沒有懸念了，據(jù)聞AlphaGo近期即將來華和柯潔對(duì)戰(zhàn)，其實(shí)已經(jīng)不再具有科學(xué)意義了，以后更應(yīng)該關(guān)注商業(yè)領(lǐng)域的人工智能，在金融、醫(yī)療、教育等領(lǐng)域產(chǎn)生的商業(yè)價(jià)值。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
