中国计算机学会学科前沿讲习班（简称 ADL），系由中国计算机学会主办的高端学术品牌活动。

　　4 月 7-9 日，2017 年首期 ADL 课程中，8 位顶尖学术大牛余凯、颜水成、杨强、李航、俞凯、孙剑、郑宇、山世光将亲临现场授课。想要第一时间聆听大牛分享？报名进行中。

　　雷锋网按：亚洲首度德州扑克人机大战——“冷扑大师 V.S. 中国龙之队” 巅峰表演赛已经在海南生态软件园传奇智力运动馆开始，获胜方将获得 200 万人民币奖励。面对来势迅猛的人工智能，人类能够守住冠军的宝座呢？

　　比赛首日上半场，中国龙之队顺利按进度完成 3600 手牌，冷扑大师暂时领先中国龙之队 14145 筹码。因为每人单副手牌重置后的筹码量就有 20000，所以目前的差距非常小。

　　冷扑大师和中国龙之队的介绍详见雷锋网报道：亚洲首度德州扑克人机对战即将开赌！附李开复演讲全文

　　看了上面的介绍我们知道，所谓的 “冷扑大师” 其实就是今年 1 月 30 日在匹兹堡战胜 4 位顶尖人类玩家的 Libratus。那么同是人机对战，这次的看点在哪里呢？

　　昨天的发布会上，从主办方公开的龙之队资料看，很多队员都有深厚的计算机专业背景。比如：杜悦、许朝军、张淮都曾就读于清华的计算机系。用李开复的话说就是：

　　匹兹堡之战中被击败的职业棋手确实都是德扑的顶尖职业牌手，但他们并不懂计算机原理，而此次龙之队都是学霸，全部拥有计算机领域的从业经验，会让比赛还保留悬念。

　　据悉，4 月 6 日至 10 日期间，表演赛将以转播形式邀请多位爱好扑克的名人，远程在各大直播平台展开系列精彩点评，海泉基金创始人胡海泉、著名专栏作家王小山、360 人工智能研究院院长颜水成、乐视云 CEO 吴亚洲、追梦者基金创始人朱波、英诺基金创始人李竹等将担任专家评论员。

　　同时，据主办方介绍，在 4 月 10 日赛事最后一天晚间，将有包括李开复在内的 36 位来自科技圈、投资圈、媒体圈的名人大咖组成六支战队来挑战冷扑大师。

　　德州扑克一张台面至少 2 人，最多 22 人，一般有 2-10 个玩家参与。目前冷扑大师还无法参与多人的牌局，这多少让人感觉不那么刺激和热闹。

　　每个人类玩家同时打两手牌，比赛采用复式发牌，也就是说 A 队人类拿到的手牌，是 B 队电脑的手牌，A 队电脑的手牌是 B 队人类的手牌。而且是随机分配到某个牌手，并非一一对应。

　　据雷锋网了解，冷扑大师采用完全数学的模型和算法，后台的计算机群计算量很大，所以人类同时打两手牌时间上也是来得及的。

　　在每一局开始，牌手和 AI 均有 20000 的筹码，小盲注 100，大盲注 200。一局打完之后，无论结果如何，下一局双方的筹码都要重置回 20000。

　　目前冷扑大师还不能在双方不同筹码的情况下与人类比赛，因为这在模型的建立上要更加复杂，而这无疑是降低了人机对抗时 AI 的难度。

　　2016 年 3 月，自从 AlphaGo 以 4:1 的成绩战胜职业九段李世乭以后，围棋 AI 的厉害为大众所熟知。不论是在专业的学术期刊还是社交网络，人们都展开了深入和广泛的讨论。但是对于德州扑克 AI，大众还所知甚少。那么德州扑克 AI 与围棋 AI 有何不同？

　　AlphaGo 是用大量的棋谱和自对弈做训练，而 Libratus 则是用随机生成的牌局（随机产生公共牌、底池筹码、玩家拿牌概率）和尝试性的动作带来的结果（在随机生成的输入情况下模拟玩家跟牌后的结果）作为训练数据。

　　“一对一无限注德州扑克” 就是两个人玩的赌博游戏，因为事先会给每位玩家分发 2 张底牌，所以对方的 “底牌信息” 你是不知道的，对于计算机来说，就是在处理一种 “非完整信息博弈”。而 AlphaGo 玩围棋，对弈双方的信息是完整的、对称的，并没有隐藏的信息。

　　一方面是因为对于同样的客观状态，各个玩家看到的信息不同，因此增加了每个玩家状态空间的数目和决策的难度；

　　另一方面即使在同样的状态下，解非对称信息游戏所需要的内存也要比解对称信息要多得多，这个主要是对于对称信息博弈来说，只要记得当前局面并且向下推演找到比较好的策略就可以了；但对非对称信息博弈，只记得当前（不完整的）局面是不够的，即使盘面上的情况相同，但对手之前的各种招法会导致事实上局面不同，只有把它们全都罗列出来进行分析，才能保证想出的应对策略不被别人利用。

　　同时，非对称信息博弈的实用价值更大些。因为非对称信息博弈的应用范围非常广泛，涵括我们每天遇到的所有决策，上至国家战略，下至日常琐事，全都可以以同样的方法建模。

　　所以 Libratus 在德州扑克上 AI 取得了进步，是具有重要意义的。

　　据田渊栋近期在 AI 科技评论上所做的分享，CMU 的 Libratus，也就是现在的冷扑大师有三个特点：

　　一是没有使用深度学习，而是用到了 End-game solver。因为德扑一局时间比较短，几个回合就结束了，所以可以从下往上构建游戏树。这样的好处是，最下面节点游戏树的状态是比较容易算出来的，用这个反过来指导设计上面的游戏树。

　　二是像 AlphaGo 一样也采用了蒙特卡罗方法，标准的 CFR（Counterfactual Regret Minimization）在每次迭代的时候，要把整个游戏树都搜一遍，这个对于稍微复杂一点的游戏来说是不可接受的。因为是指数级的复杂度，所以用蒙特卡罗方法，每次选一些节点去更新它上面的策略。

　　第三，一般来说我们在做游戏的时候往往会想到 怎么去利用对方的弱点，但其实不是这样的。更好的方法是，我尽量让别人发现我的弱点，然后据此我可以去改进它，变得越来越强。用术语来讲，就是去算一下对手的最优应对（Best response），让对手来利用你的弱点，然后用这个反过来提高自己的水平。

　　经过 AlphaGo 和 Libratus 分别在围棋和德扑领域几次三番对人类顶尖玩家形成碾压，也许很多人已经对人类获胜不报期望。本次赛前发布会上，龙之队队长杜悦告诉媒体，这次他们仅有 10% 的获胜希望。

　　其实或许不必如此悲观，Libratus 在两个月前的匹兹堡人机对抗中并非赢的一帆风顺，甚至还被人类玩家发现了破绽。这点或许我们可以从近期著名扑克牌杂志 Card Player 对 Libratus 的创始成员 Brown 博士的专访中窥见一二。此前雷锋网已将专访进行翻译，《德州扑克算法幕后研发者 CMU 博士 Brown 专访：AI 如何打败顶级人类牌手？》（点击阅读原文查看）。

　　在人类玩家紧追比分，对战进入白热化的时候，你是不是在想对手可能已经找到了 Libratus 的弱点，还是说仍旧很有信心？

　　第一周比赛快要结束时，双方几乎打成平局。人类选手也在第一周对 Libratus 会如何调整打法、它的强项在哪里等做出了一系列推测。他们没有和我详谈他们认为战局将会如何发展，但从我听到的来看，他们应该是想从数据中寻找 Libratus 的套路，分析它的弱点和优势。所以，大体上我不怎么担心。他们认为 AI 在一些方面有缺陷，但实际上并没有。

　　比如，在有一天的比赛中，他们 80% 都是再加注（ three-betting ），因为从数据来看，他们认为 AI 对特定的三倍打法（ three-bet size）不太擅长。但我不认为那是缺陷，只是他们的数据中存在噪音。他们在比赛进程中获得的数据导致他们得出了这样的结论。

　　但他们确实看到了里面存在的一些问题。比如 Libratus 对特定的开局下注的大小对应不好。比赛前我们认为这不是什么大问题，但事实证明，这个弱点很要命。好在 AI 还留有一手——趁当天晚上对手睡觉的时候，AI 就开始连续不断地进行训练，弥补自己的不足以防止对手以后再次利用这一缺陷。所以你看到，从第二周局势就开始转变了。

　　虽然 Brown 博士在采访中一开始回应 Libratus 没有弱点，但是后来又改口说 Libratus 对特定的开局下注的大小对应不好是个很要命的弱点。而就像前面介绍的，这次龙之队的成员大多为拥有计算机专业背景的学霸，但愿他们能够及早发现 “冷扑大师” 的弱点并善加利用，这多少将给我们增添几分人类获胜的希望。

　　从比赛规则的制定中可以看出，不管是要求 1V1 的单挑，还是单局手牌后的筹码重置，人类玩家都需要对 AI “迁就” 很多。所以即便是 “冷扑大师” 取得本次人机大赛的胜利，也不能说人工智能在德州扑克上完全战胜了人类。但是对于 “非完整信息博弈” 的人工智能研究课题而言，冷扑大师的胜利将有重大的意义。当然，比赛才刚刚开始，大奖花落谁家尚未可知，让我们拭目以待。