大数据文摘出品
作者：曹培信、宁静
2017年年初，Brain vs AI的德州扑克人机大战在卡耐基梅隆大学(CMU)落幕，由4名人类职业玩家组成的人类大脑不敌人工智能程序Libratus。
获胜后人类还遭到了Libratus的无情嘲讽。
但是那时候Libratus还只是个只能在1V1局里称霸的超级玩家，要说人类最喜欢的6人局这样的“大场面”，当时的Libratus还没有拿到入场券。
而就在昨天，Facebook与CMU学Noam Brown、Tuomas Sandholm的最新研究成果——Pluribus，就在人类最常见的无限制德州扑克6人局里，战胜了人类顶尖选手。
论文被Sicence收录：
跟还是不跟？高手之间的对决
Darren Elias（1986年11月18日出生）是一名美国职业扑克玩家，曾获得四项世界扑克巡回赛冠军。
在他与Pluribus的对决过程中，Darren Elias从来没有遇到过如此不害怕的对手。
一个有经验的扑克玩家，当有两个J(一个面朝上，另一个藏起来，一手既不好也不坏)时，都会谨慎行事。但是Elias的对手看起来好像不知道该怎么做。即使当Elias决定虚张声势（bluff），下注时看起来很有信心，而他的对手似乎在鼓励他继续！好像一点都没有被吓到。
最后，Elias的虚张声势没有起作用，他输了。
Elias
正如埃利亚斯先生意识到的，Pluribus知道什么时候该虚张声势，也知道别人在虚张声势，还知道什么时候该改变自己的行为，这样其他玩家就无法确定自己的策略。32岁 Elias先生说: 它确实做了一些人类很难做到的事情。
赢的背后，只是8天的训练
之前AI和人玩游戏，要么是双人游戏，如国际象棋、跳棋等，要么就是双方之间的零和博弈（一方赢一方输），AI可以在游戏中找到Nash equilibrium strategy（纳什平衡）来保证自己不会输。
关于Nash equilibrium strategy（纳什平衡）属于博弈论范畴（注：纳什证明了，如果允许混合策略，那么任何一个博弈，只要参与者数量是有限的、参与者可以选择的纯策略也是有限的，那么这个博弈至少有一个纳什均衡）。
以经典的“石头剪刀布”游戏为例，AI可以在游戏中找到对方的弱点和常出的手势进行学习，以达到最终的胜利，而多人扑克意味着玩家数量的增多，在更复杂的游戏中，AI难以确定如何与纳什均衡相抗衡;采用固定策略不能很快观察到的对手的策略倾向，而且需要监控到多个玩家在游戏中策略的转变，这对于AI多人扑克博弈来说，是一项挑战。
鉴于多人游戏，如果学习多个玩家的出牌习惯等特征的训练数据集成本过大，这里Pluribus采用的策略是自己与自己博弈，不使用人类对手的数据作为模型训练的输入。在开始时，随机的选择玩法，通过不断的训练来提升自己的性能，这里采用的博弈策略是改良版本的迭代的蒙特卡洛CFR（MCCFR），通过自我博弈，左右手互博，自己制定了一个blueprint strategy(蓝图策略），最后对每个可能的状况进行概率分布统计，通过搜索决策树来决定下一步的行为，是叫牌还是出牌。
CFR是一种迭代的自我游戏算法，AI从完全随机游戏开始，然后通过学习击败早期版本的自己逐渐改进。
在算法的每次迭代中，MCCFR指定一个玩家作为其当前策略在迭代中更新的标记。在迭代开始时，MCCFR根据当前所有玩家的策略(最初是完全随机的)模拟一手扑克牌。一旦模拟完成，人工智能就会回顾每一个玩家做出的决定，然后通过选择其他可用的行动来预测这个决定的好坏程度。
Pluribus玩家博弈树
在解决不完全信息博弈中搜索的问题，Pluribus跟踪每一手，根据其策略达到目前状况的可能性。不管Pluribus实际上握着的牌，它首先会计算如何使用可能的每一手，谨慎地平衡所有的策略，以保持对于对手的不可预测性。
Pluribus 中的实时搜索
扑克以外的事
之前在1V1局中大胜人类的Libratus后来去五角大楼上班去了，国防部认为这种策略型人工智能或许可以帮助他们进行战略的制定。
负责 Pluribus 项目的 研究员Noam Brown说：“Pluribus的技术可以用于华尔街交易、拍卖、政治谈判和网络安全这些活动中，这些活动就像扑克一样，涉及隐藏信息，因为你并不总是知道真实世界的状态。”
尽管像谷歌这样的公司，有着“Don’t be evil”的信条，但是，不可避免的是这样能够理解人类策略的人工智能，还是会引发大众对于人工智能的某种恐惧，或者说，如果这样的人工智能被运用到军事决策中，将会带来多严重的后果？