金姬

沒有追隨深度學(xué)習(xí)潮流的“冷撲大師”，或許在現(xiàn)實生活中擁有更廣闊的用武之地：金融交易、網(wǎng)絡(luò)安全、商業(yè)拍賣、政治談判……因為這些情景都是充滿了各種博弈的“非完美信息”游戲。

提到人機大戰(zhàn)，普羅大眾比較熟悉的是戰(zhàn)勝人類圍棋的AI“阿爾法狗”（AlphaGo）。但在人工智能（AI）界，業(yè)內(nèi)人士更關(guān)注的是另一項人機大戰(zhàn)——德州撲克。因為在這個領(lǐng)域，AI系統(tǒng)沒有海量的棋譜可以深度學(xué)習(xí)，比賽雙方掌握的信息也不對等，這就需要AI系統(tǒng)利用博弈論等其他理論來進行決策。

2017年1月，美國賓州匹茲堡的大河賭場（Rivers Casino）舉行了一場德州撲克的“人機大戰(zhàn)”——連續(xù)20個比賽日中，一個名為“冷撲大師”（Libratus）的AI在共計12萬手的一對一無限注德?lián)浔荣愔袚魯×怂拿敿馊祟惛呤郑灿嬵I(lǐng)先人類團隊176萬美元籌碼。令人咋舌的是，這是“冷撲大師”第一次和人類交手。

3個月后，“冷撲大師”又在中國海南戰(zhàn)勝了6位頂尖華人撲克選手。此次比賽發(fā)起人、人工智能工程院院長李開復(fù)賽后如此評價道：“如果AlphaGo是超級IQ天才，那么‘冷撲大師就是超級EQ天才?！?/p>

7月下旬，“冷撲大師”的開發(fā)者、美國卡內(nèi)基梅隆大學(xué)（CMU）計算機教授托馬斯·桑德霍姆（Tuomas Sandholm）再次來到中國，在“2017鈦媒體-杉數(shù)科技AI大師圓桌會”現(xiàn)場與他的學(xué)生、清華大學(xué)計算經(jīng)濟學(xué)研究室主任、博士生導(dǎo)師唐平中，上海財經(jīng)大學(xué)教授、國際奧數(shù)金牌、杉數(shù)科技科學(xué)家何斯邁，上海財經(jīng)大學(xué)交叉科學(xué)研究院院長、杉數(shù)科技首席科學(xué)家葛冬冬討論了商業(yè)實際場景中真正需要的AI，給大家分享了“AI賭神”的獲勝秘訣。他表示：沒有追隨深度學(xué)習(xí)潮流的“冷撲大師”，或許在現(xiàn)實生活中擁有更廣闊的用武之地：金融交易、網(wǎng)絡(luò)安全、商業(yè)拍賣、政治談判……因為這些情景都是充滿了各種博弈的“非完美信息游戲”（imperfect-info games）。

為什么要讓AI玩德?lián)洌?/p>

“德?lián)銩I之父”桑德霍姆用帶有芬蘭口音的英語說，之前著名的人機大戰(zhàn)，無論是IBM的國際象棋AI“深藍(lán)”、還是谷歌的圍棋AI“阿爾法狗”，比賽雙方獲得的信息都是一樣的，這就是“完美信息游戲”。但現(xiàn)實生活中這種信息完全對等的情況很少發(fā)生，而更多是“非完美信息游戲”，德州撲克就是這樣一例。也就是說，即便在一對一的情況下，比賽雙方獲得的信息是不一樣的、或者說只是部分的——雙方都不知道五張公共牌會開出怎樣的結(jié)果，也不知道對手猜測自己握有怎樣的手牌。這樣的游戲就不存在單一的最優(yōu)玩法。

對于AI團隊而言，研究“非完美信息游戲”不但更富挑戰(zhàn)性，也更有實際運用價值。而“冷撲大師”打開了AI解決隨機事件和隱藏信息的大門。

根據(jù)《量子位》的報道，“德?lián)銩I”的最早研發(fā)可以追溯到2014年8月，當(dāng)時剛剛完成碩士學(xué)業(yè)的諾阿姆·布朗（Noam Brown）繼續(xù)留在CMU攻讀計算機科學(xué)的博士學(xué)位。當(dāng)年，他就和導(dǎo)師桑德霍姆教授一起開發(fā)出德?lián)銩I：Tartanian7以及后續(xù)版本Baby Tartanian8，并且連續(xù)贏得電腦撲克大賽（電腦VS電腦）的冠軍。

師生倆乘勝追擊，開始研究德?lián)淙藱C大戰(zhàn)。兩人創(chuàng)造了Claudico，當(dāng)時的桑德霍姆以為Claudico有五成勝算。誰知，在2015年4月美國匹茲堡的大河賭場，Claudico在兩周時間內(nèi)和四位人類頂級玩家交鋒8萬手，累計輸?shù)?3.2萬美元的籌碼。之所以選擇這個賭場，因為卡內(nèi)基梅隆大學(xué)也在匹茲堡。

2017年1月11日，全新的“冷撲大師”（Libratus）卷土重來。還是四位人類對手，不過時長變?yōu)?0天，累積交鋒12萬手。這次德?lián)銩I沒給人類玩家機會，一路以碾壓的態(tài)勢完勝。

“冷撲大師”的獲勝秘籍是什么？

以往AI處理“不完美信息游戲”采用一種縮略的方法，例如將對手下注249美元近似為200美元進行簡化處理，采用這一模式的Claudico在人類面前不堪一擊。而“冷撲大師”就不同了，它會對每一手牌進行單獨的處理，根據(jù)不同的牌面制訂出不同的戰(zhàn)略。對它而言，249美元就是249美元，它不會像以往的AI那樣嘗試聚類，而是馬上實時計算，得出勝算最大的策略。

這種算法最大的特點，是開發(fā)者可以獲得一定程度的“確定性”。而“確定性”正是時下大熱的深度學(xué)習(xí)最缺乏的。有評論指出，深度學(xué)習(xí)有兩大局限性：一方面，深度學(xué)習(xí)的本質(zhì)是機器通過分析海量數(shù)據(jù)習(xí)得一些模式，但并不是所有領(lǐng)域都能采集到海量數(shù)據(jù)。以自動駕駛為例，顯然通過積累海量事故經(jīng)驗來習(xí)得避免事故發(fā)生是不現(xiàn)實的。另一方面，深度學(xué)習(xí)是一個知其然而不知其所以然的“黑匣子”，這在許多重大安全事件上并不能令人放心。自動駕駛的事故問責(zé)問題就是一例。

值得注意的是，“冷撲大師”在今年1月人機大戰(zhàn)之前沒有研究過人類如何打德州撲克，也沒有和人類職業(yè)玩家有過交手。在投入實戰(zhàn)之前，它和自己對戰(zhàn)了幾百萬手牌，其中有不少是帶有特定目的的殘局，真正機器和機器之間的交手，大約是幾十萬手。

更有意思的是，“詐?！保╞luff）這種看似與心理有關(guān)的人類技能，“冷撲大師”通過算法也“自學(xué)成才”。詐唬是德?lián)涞囊环N經(jīng)典策略——當(dāng)你手中的牌面不夠大，可以通過虛張聲勢加注嚇退對手，逼對手棄牌。而計算機會根據(jù)選手過去的表現(xiàn)來判斷對手牌面大的概率有多少，從而做出當(dāng)下的最佳策略。

在桑德霍姆看來，“冷撲大師”的這套AI系統(tǒng)有十分廣闊應(yīng)用空間：從戰(zhàn)略定價到金融領(lǐng)域、從談判到網(wǎng)絡(luò)安全、從政治競選到拍賣、從醫(yī)療資源規(guī)劃到軍事領(lǐng)域……現(xiàn)在唯一的問題是，運行“冷撲大師”，需要匹茲堡超算中心的Bridges超級計算機。不過桑德姆斯研究團隊樂觀表示，算法還可以被優(yōu)化，再加上計算硬件的提升，可能5年之內(nèi)就能一部手機搞定一切了。