德州扑克：AI打牌竟能完胜人类，在线情况如何？

完美信息博弈和不完美信息博弈

为何AI在德州扑克上难以战胜人类呢？德州扑克与围棋对AI而言究竟存在怎样的差异呢？首先，需明白完美信息博弈（棋牌类游戏）跟不完美信息博弈（扑克类游戏）的区别，这一点很关键。

存在一种博弈，名为完美信息博弈，它指的是，后行动的参与者，能够观测到，先行动的参与者的行动信息。像棋牌类游戏，双方的信息，都是共享的。比如围棋这种棋牌类游戏，双方都能够看见德信竞技，场上已经下过的棋子，以及双方的优势，和劣势。

其中，扑克、谈判、商业决策等这类问题，双方所拥有的信息，是不会向对方公开的，也就是说，当真到了参与者去做选择之际，其并不清楚其他参与者会做出怎样的选择，像这种情况，就被称作不完美信息博弈。

大概来讲，要是将别的参与者所采取的行动，视作某一个参与者进行决策时所要面对的那种环境，那么信息不完美，便是决策者不清楚自身所处的那个决策环境。

就算针对德州扑克，哪怕对手把所有筹码都进行了全押，然而我们依旧没办法确切知晓他手中究竟持有怎样的底牌，鉴于信息的不均等这一状况，就使得大伙不得不具备那种“冒险一试”的心态。

这也是为什么金融人士和投资大佬们都喜欢玩德州扑克。

我们借由理工的思考方式来讲讲，AI是如何在完美信息博弈类游戏中战胜人类的。

对于围棋游戏而言，它属于一场零和完美信息博弈那种类型，这意味着在任何一个时刻，双方玩家都清楚前面游戏的全部状态，也就是完美信息，并且在有限步数之后游戏的结果不是胜就是负，即零和，知道了游戏的有限状态情况后，计算机能够借助暴力枚举的办法来计算后续所有可能的下法，进而形成一颗巨大的搜索树，这颗搜索树能够列举出在当前状态时所有可能的下法，每个子搜索树都能够独立求解，计算机便可以依据计算的结果安排对应的策略，以此达到最终的胜利。

比如说举个例子，就像呢，小明是一个在中国普通家庭成长起来的小孩，在他的一生当中，面临着许许多多的选择，该如何才能够在未来朝着人生巅峰迈进呢？要是能够罗列出他未来全部的可能性，将每一步的选择析解成“子未来”，那么便能够计算出成功胜算最大的那个选择了。（这个例子也许不太合适，领会意思就行，嘻嘻）

小明同学的人生探险

电脑：“我压力太大了，哇的一声炸开花”

所以，科学家们运用一些诸如剪枝、搜索之类的算法，来缩减计算的范围，进而在有限的时间当中，找出最佳的策略。

不完美信息博弈类游戏

终于讲到了今天的主角， 德州扑克。

德州扑克属于典型的不完美信息博弈类游戏，其策略设置里存在隐藏信息，这类模型有众多应用场景，像谈判、拍卖等。不完美信息博弈无法像完美信息博弈那样借助分解来求解，原因是一个子博弈的最佳策略或许依赖于其他尚未获取的子博弈的策略及输出。

换言之，我们没办法借着预估对方下注的数量进而猜到对方手中持有的牌是啥，缘由在于或许对方的牌并非出色，然而他借助下注来蒙骗你，致使你作出弃牌的抉择。故而，此事对于没什么心思的计算机而言是颇为艰难的，对手一开始就全部押注了，可是他的牌究竟好不好呢？

所以，于我而言，当目睹AI在德州方面也战胜了人类，内心还略微有那么一点儿小激动，或许在未来，机器人也能够拥有女人的那种第六感了。

那AI到底是如何打败人类的呢？

论文里面提到了好多特别难以理解（实际上自己也看得不是很明白，躲开）的算法，为了能够便于理解，我们拿一个简单的博弈模型来进行举例，尝试去理解聪明的AI。

我们来设计一个简单的游戏。

存在游戏玩家A与B两人，A能够进行一次抛硬币的行为，硬币出现的正面或者反面只有A自己能够看到，在将硬币抛完之后，A拥有两个可供选择的情况，其一为sell，也就是卖掉手中的硬币，其二为play，即与B玩游戏。

①A选择了sell：

②A做出了play的选择，游戏得以继续进行，紧接着，轮到B来猜测硬币究竟是落在正面这一面，还是反面那一面了：

这时，对于B来讲，这属于一个并非完美的博弈，他没办法凭借A选择play来推断A手中的硬币究竟是正面还是反面。

这时，存在着两个极限情况，要是B始终都猜正面，那么具备聪明特质的A就会对其策略予以变更，当他把硬币抛到正面之际，就会将硬币卖出去，如果抛到反面的时候才开始玩游戏，这样一来，B就必然会处于输的境地，此时，A的期望分数是：

0.抛到正面的概率为5，选择sell的得分是0.5，抛到反面的概率是0.5，选择play的得分是1，它们这样计算，即抛到正面的概率乘以选择sell的得分，加上抛到反面的概率乘以选择play的得分，结果等于0.75。

假设存在这样一种情况，要是B始终都猜反面，那么当A抛硬币抛到正面这个结果出现的时候，则A就会做出选择play的行为，进而可以得到一元钱；而当A抛硬币抛到反面这个结果出现时，A就会选择sell卖掉硬币，通过这种方式只会赔五毛钱。所以说A所具有的期望是：

0.5（正面被抛到出现的概率）乘以1（选择play所得的分数），加上0.5（反面被抛到出现的概率）乘以（-0.5）（选择sell所得的分数），结果等于0.25。

在这个时候，有一个知识点冒了出来，它被称作纳什均衡，也就是说，对于B来讲，为了能够切实有效地降低自身所遭受的损失，其最具成效的策略便是，以0.25的概率去猜测硬币为正面，以0.75的概率去猜测硬币为反面，通过这种方式能够保证其获得胜利的可能性达到最大。

而博弈始终是个动态的进程，倘若B持续依照固有的方略去做决策，那么随即A也会依据B的决策结果来调整自身的策略。所以，对于B而言最安全的办法，便是不断去更新A卖掉硬币所能获取的回报，持续寻觅最优解。

我们那具备高智能的计算机，是依靠这样子的方式，以动态形式来计算牌友们进行押注给带来的回报预期，借此不断地更新对手所运用的套路，最终达成了人类选手在比赛全程里整体而言从未处于领先位置的成效。

这么看来，若要跟AI进行斗智，人类那小小的脑筋，说不定还得转动得更为快速才行呢，或许不存在套路，才是最为厉害的套路哟。

人皆云，金融界的那些大佬们，向来热衷于玩德州扑克 ，读完这篇文章之后，那些身为金融大佬的人，会不会从中获得某些启发呢？