（原標題：CMU風頭被搶 新型DeepStack算法搶先攻克德州撲克圖靈測試）
在國外的學術圈裡，有一份論文火了。論文裡進行的研究表明，人類歷史上第一次，AI在德州撲克遊戲上贏得了人類職業玩家。而這份論文的突破性意義在於：AI在非完整信息的博弈遊戲中，贏得人類職業對手。這篇論文的名字是《DeepStack：無限下注撲克裡的專家級人工智慧》（DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker），1月6號提交到了ArXiv上。
論文作者是來自加拿大Alberta大學、捷克Charles大學、布拉格捷克理工大學的研究人員。而論文題目裡的DeepStack，是一種新型的算法名稱，論文裡說明到「DeepStack 是一種通用算法，可用於一大類非完整信息的序列博弈」。在一項涉及到數十位參與者和4.4萬手撲克的研究中，DeepStack 成為了世界上第一個在「一對一無限注德州撲克」上擊敗了職業撲克玩家的電腦程式。
什麼是「一對一無限注德州撲克」（HUNL）
德州撲克的英文名稱是「Texas Hold'em」，而「一對一無限注德州撲克」（Heads-up no-limit，簡稱 HUNL）的意思，就是有2個玩家且不限下注籌碼。這篇論文裡的自然就是計算機和職業玩家挨個對局。
雖然是撲克，但跟鬥地主還是很不一樣的，它是「賭場」十分受歡迎的項目。這裡祭出視頻，幫大家理解一下德州撲克的規則和玩法。
從上面的視頻中，我們大致能了解一場德州撲克會有兩類信息：玩家每人手裡分到2張底牌的「私有信息」和桌子上公共牌的「公開信息」。玩家選擇5張公共牌裡的3張，與手裡的2張底牌組合，最後以期得到最好的5張牌的組合。按照「Card Ranking」決定最後的勝者。
在中國玩德州撲克的名人，一個是汪峰老師，另一個就是李開復老師。在知乎上「撲克有哪些技巧、經驗或者原則？」的提問下，排名第一的，就是李開復老師的答案，他尤其提到玩好詐唬（Bluffing，高手慣用技巧）的關鍵在於學好統計。
德州撲克是新一代的圖靈測試？
德州撲克已經成為十分流行的人工智慧研究測試地，每一個撲克玩家手裡握著的底牌「私有信息」，是其它玩家看不到的，所以被稱為是「非完整信息」（Imperfect information）的博弈。這跟圍棋有很大不同，圍棋是完整信息公開的博弈，玩家們可以看到棋盤上的每個旗子，考慮所有落子的可能性。所以德州撲克對於人工智慧來說，更加具有挑戰性。
《DeepStack》這篇論文的通信作者 Michael Bowling曾經在2015年初接受《New Scientist》採訪時說道：「德州撲克最有趣的地方，就是你無法獲得完整的信息」。
而卡耐基梅隆大學（CMU）Tuomas Sandholm教授也說道：「撲克已經成為在非完整信息情況下，衡量（計算機）智能水平的標準......而它可以看做是一種超越圖靈測試的存在。」
有趣的是，這兩位教授都在領導自己的團隊攻克這個新型圖靈測試，一位在加拿大Alberta大學，一位在美國CMU大學。
幾天前，CMU已經發出預告：由Tuomas Sandholm教授領導研發出的Libratus人工智慧系統，將於當地時間1月11日，在賓夕法尼亞州匹茲堡的 Rivers 賭場，與四個頂級職業玩家玩12萬手的HUNL，並角逐20萬美元的獎金。早在2015年，Libratus的前身Claudico與人類玩家首次對戰，在8萬手的對決中完敗，這次算是CMU的捲土重來。
但是我們已經知道了結果，Alberta趕在CMU之前，把就論文發出來了。學術圈人士紛紛表達讚美，稱DeepStack具有裡程碑意義（當然這份論文還未通過同行審議階段），然而跟CMU Libratus提前好幾天的預熱盛況相比，DeepStack並沒有得到等量的媒體待遇，也引發一些人的不滿。
CMU走的是當年AlphaGo的路線，在華麗的賭場搞一場秀，與人類頂尖玩家對戰，還有20萬美金的噱頭。所以這份DeepStack論文雖然比CMU更早取得突破，但陣仗不如後者大，媒體對其忽視了，也在情理。
總之一句話，Alberta搶了先，CMU搶了熱鬧（學術界的競爭也是異常激烈的）。
此份DeepStack論文的成果
DeepStack總共與33位人類選手進行了4.4萬手的較量，分別在2016年11月7日和12月12日之間於線上舉行對局。最終獲勝的前三位選手，分別有5000、2500和1250加元的獎勵。以下是對局結果。結果顯示，DeepStack的平均贏率為492 mbb/g（一般人類玩家到50 mbb/g就被認為擁有較大優勢，750mbb/g 就是對手每局都棄牌的贏率）。
前面我們提到，一場撲克的信息可以分為「私有」和「公開」，放在桌子中間的5張公開牌形成一種動態的「公開狀態」。遊戲中的公開狀態的可能序列構成一個公開樹（Public tree），其中每一個公開狀態都有一個相關的公開子樹（Public subtree）。
上圖是HUNL 中公開樹的一部分。紅色和藍色線條表示玩家動作，綠色線條表示公開的公共牌。圓形節點表示遊戲結束。
這張圖是DeepStack整體架構，分為（a）（b）（c）三個部分。在（a）中，DeepStack在每一個公開狀態裡， 都要重新計算它需要的動作，其中子樹值（Subtree value）會通過一個訓練好的深度神經網絡 Neural net（b）來計算，而訓練Neural net的樣本就是（c）。
總的來說，DeepStack結合了遞歸推理（Recursive reasoning）來處理信息不對稱性，還結合了分解（Decomposition）集中計算到相關決策上，並形成了一種關於任意牌的直覺（Intuition），這種直覺可以使用深度學習進行自我玩牌而自動學習到。
[廣告]活動入口:
買美股，上老虎 - 超低佣金，每股只需1美分