以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：据该赌场称，在扑克筹码上，他们以177万美元击败了四名对手。去年，艾未未在一系列涉及黑白宝石的战略游戏中击败了世界上最好的围棋手，震惊了世界。2015年，Libratus参加了一场扑克锦标赛，但没能击败人类，比赛以统计平局告终。锦标赛“KDSP”为“大脑与人工智能”锦标赛，四名世界上最好的扑克玩家在12万手扑克中与Libratus一对一对决。在德克萨斯州举行的比赛中，有两名选手参赛。
世界上最好的人工智能扑克玩家似乎很清楚什么时候握着它们，什么时候把它们折起来。
一个被称为Libratus的人工智能程序在为期20天的德州扑克锦标赛中击败了世界上最好的人类扑克玩家，匹兹堡的里弗斯赌场（Rivers Casino）举办了“大脑与人工智能”（Brains vs.Artificial Intelligence）扑克锦标赛。据该赌场称，在扑克筹码上，他们以177万美元击败了四名对手。每天结束时，至少有一名人类玩家击败了人工智能程序。但最终，这还不够。
“我们感谢他们的辛勤工作，但不幸的是，电脑赢了，”Rivers赌场总经理克雷格•克拉克说，
电脑科学家现在可以将德州Hold'em添加到越来越多的游戏列表中，包括国际象棋、围棋和《危险边缘》。”-人工智能可以打败世界上最好的人类竞争对手。[超级智能机器：7机器人未来]
人工智能大踏步自从1997年IBM深蓝击败国际象棋选手加里·卡斯帕罗夫以来，这些机器人一直在向人类发展。去年，艾未未在一系列涉及黑白宝石的战略游戏中击败了世界上最好的围棋手，震惊了世界。这项任务非常困难，因为Go包含的潜在移动比宇宙中的原子还多。为了解决这个问题，这台名为AlphaGo的计算机采用了一种深度学习策略，这是一种非常强大的 ... ，它包括在一层计算，然后将计算结果输入到算法的另一层。
，然而，在许多方面，德克萨斯州的支持它们更为困难，Tuomas Sandholm说，卡内基梅隆大学的计算机科学家，他帮助设计了Libratus并帮助组织了这次比赛。（在德州扑克比赛中，两名球员每人持两张牌，然后必须从五张牌中选出最好的一张牌，这五张牌最终面朝上放在桌上进行几轮比赛。）。在每一张牌被转动之后，玩家可以调用或匹配另一个玩家的下注；提高下注；或者折叠他们的牌，或者放弃。）
结果是，破解这种类型的游戏可能比掌握围棋更难，因为每个玩家都完全知道对方的位置。【人工智能的5个有趣用途（不是 ... 手机器人）】
“在扑克牌这样的不完全信息游戏中，难度要大得多，”Sandholm告诉Live Science。
例如，想象你在和对手打一手。你不仅要考虑你手中的王牌，还要考虑桌上有什么，另一个牌手可能拿着什么，他的下注告诉你他的牌，以及他想用下注来学习什么。
所以桑德霍姆和他的同事们依靠一个不同的概念来编程Libratus。被称为纳什均衡，它是一个数学 ... ，确定最佳的游戏策略，以最大限度地提高自己的回报，同时尽量减少你的对手。在任何一手扑克中，随机的机会决定了纳什均衡游戏可能会失败，但是在很多手的过程中，纳什均衡转化为“无敌游戏”策略，桑德霍姆说。
然而，“游戏有10到160种不同情况的力量”，这意味着它有很多，比Go有更多的计算可能性。因此，程序不能计算出完美的纳什均衡解，而必须代替近似的“KdSPE”“KDSPs”，这是一个绊脚石。2015年，Libratus参加了一场扑克锦标赛，但没能击败人类，比赛以统计平局告终。不过，桑德霍姆说，最近锦标赛中使用的强化版Libratus有一个更好的最终游戏解决策略。
锦标赛“KDSP”为“大脑与人工智能”锦标赛，四名世界上最好的扑克玩家在12万手扑克中与Libratus一对一对决。赌注是一个20万美元的罐子，即使人类玩家输了也能得到。“他们是professio”“纳尔斯，所以他们战斗到了最后，真的很艰难，”桑德霍姆说他们每天晚上都在电脑上刻苦学习，试图在人工智能中寻找漏洞。
最终没有竞争：人工智能占了上风。
作为程序的一部分，虚张声势自然成为一种数学上合理的策略，桑德霍姆指出。
的胜利还包括一些令人惊讶的举动。举个例子，人工智能比人类更有可能产生巨大的超额赌注——这意味着他们会下注3倍、5倍甚至20倍的筹码。有趣的是，有时在两种截然不同的情况下，这些覆盖物在数学上是有意义的。
“用一只非常强壮的手和最弱的手，你想要做那些大覆盖物，”桑德霍姆说。
Libratus也比人类更可能在某些令人惊讶的情况下，桑德霍姆说。每天晚上，它都会回家，根据自己玩过的手来调整自己的策略。
“这种调整不是为了学习如何利用对手，而是为了确定对手在人工智能策略中发现了什么漏洞，并自动修补这些漏洞，”桑德霍姆说，
仍然是，凡人都有希望。在德克萨斯州举行的比赛中，有两名选手参赛。但是Libratus不知道如何在五六个玩家的扑克游戏中击败玩家。在这方面，纳什均衡解不起作用，桑德霍姆说。
“我认为这样的东西中的顶级人类可能比最好的人工智能做得更好，”桑德霍姆说。
最初发表在《生命科学》上。
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。