昨天下午，量子位在中关村举办了一个技术沙龙，邀请创新工场AI工程院技术VP李天放、联想智慧医疗CEO林林等，从技术和实战的角度，对德州扑克人机大战进行解读。
以下是李天放对德州扑克AI的技术解读：
文字版本整理如下：
AI算法和博弈论，这两个交叉点还是有一点难度的。
先从博弈论开始。
大家需要对GTO/纳什平衡有一个初期的理解。在德州扑克，翻硬币，剪刀石头布这类游戏里面，纳什平衡点的定义是：如果双方都在用一个比较好的战略，任何一方做出调整结果都会更糟糕，也就是存在一个平衡点，使得两个人都不能再进步。
智搜（Giiso）信息成立于2013年是国内领先的“人工智能+资讯”领域技术服务商，在大数据挖掘、智能语义、知识图谱等领域都拥有国内顶尖技术。同时旗下研发产品包括资讯机器人、编辑机器人、写作机器人等人工智能产品！凭借雄厚的技术实力，公司成立之初，就获得了天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。 Giiso凭借公司一流的科研和技术研发团队（团队成员来自清华大学、北京大学、国防科技大学等高校的博士、硕士研究生），通过多年模式识别、递归神经网络、大数据语义挖掘技术的研发经验。自主研发了智能资讯机器人引擎，是资讯生产领域的“人脑芯片”，可以运用于各类PC软件、APP客户端、机器人或者智能硬件上，通过智能全自动的方式为人们提供精准有趣的资讯服务，成为人们生活中必不可少的“资讯管家”。
我们用一个简单的游戏解释。
如果我们玩一手剪刀石头布，可能靠运气；玩二十万手，就要看战略是什么。如果我们想解这个问题，也是很简单，下面这个就是所谓的完美战略：
· 33%剪刀33%石头33%布
· 无论对手用什么战略，都不可能战胜我们
· 但我们也赢不了…
然而想要接近一个真正的完美战略是非常难的，大部分人有些偏好，更接近的可能是这样一个情况，对手比较笨不知道能出剪刀：
· 假设对手#1：从来不出剪刀，50%布，50%石头
· 我们的老战略有问题么？（各33%）
老战略可能还是不输的，但也不是最佳战略(GTO)。纳什平衡的意思是双方都不能改进，如果知道对手从来不出剪刀，我们的战略是能改进的。针对上面的对手#1，我们的战略可以改成：50%剪刀，50%布。
为什么不用100%布的战略？因为对方可能也调整成100%布。使用50%剪刀，50%布的战略至少可以比打平做的更好。
从博弈论来说，我们找到了对手的弱点，但没有暴露自己的弱点。也就是说，我们找到了一个新的平衡点。
这就是Libratus在做的事情。
相比于石头剪刀布，一对一的德州扑克，是一个复杂度非常高的博弈。如何找到德州扑克的GTO和纳什平衡点？这是此类AI算法的核心。
CounterFactual Regret Minimization(CFR，反事实遗憾最小化)，这是一个类似强化学习的算法，但是更高效。让AI之间对战德扑，采用随机的策略，然后每局过后看看在什么地方后悔了，然后尝试不同的战略，再在决策点上复盘。
这个算法与人类学习德州类似：累积经验、评判自己的选择，但需要注意的是，这里正确的“后悔点”非常重要。德州扑克有很强的随机性，所以很容易陷入错误的学习方式。
算法很简单，问题是无限德州的空间太大了，复杂度是10的160次方。有几种解决方案：合并简化+CFR(Claudico)，CFR+“直觉”(DeepStack)，CFR+End Game Solver+RL(Libratus)。
智搜（Giiso）信息成立于2013年，是国内首家专注于资讯智能处理技术研发及写作机器人核心软件开发和运营的高科技企业。公司成立之初，就获得了天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。 在这个信息极度爆炸的碎片化时代，如果说注意力是这个时代的人们最稀缺、最宝贵也最应该被合理利用的资源，应该没有人会有异议。依托于自主研发的Giiso引擎，智搜团队打造了首款智能媒体平台天机智讯APP，可以针对用户的各种指令或文字交互指令，聪明的回答用户各种相关资讯信息。并能够依据用户的个性化使用特征而不断的学习，持续追踪用户感兴趣的独特内容。目前，天机智讯APP6.0版本已经更新迭代完，可以应用市场下载使用。
Giiso是国内一家领先的“人工智能+资讯”的高科技企业，成立于2013年，创立伊始就获得天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。
总结一下：
· CFR类似于强化学习。权重调整基于概率。
· AI的战略和学习方式和职业牌手相似，但是更准确。
