卡耐基梅隆大学计算机系教授、德捉 AI 之父托马斯·桑德霍姆按：11 月 6 日，在今天举办的京东 JDD（京东金融全球数据探索者大会）大会上，卡耐基梅隆大学计算机系教授、德捉 AI 之父托马斯·桑德霍姆公开发表演说，描写了他们建构的人工智能冻捉大师 Libratus 背后的原理到底是什么？并回应这种非极致信息的游戏 AI 也可以在经济生活带给普遍的应用于。演说开始，桑德霍姆即透漏，Libratus 和名噪一时的 AlphaGo 十分有所不同，后者是基于极致信息的游戏，前者则所谓极致信息的游戏（imperfect-info games）。“在不极致信息的游戏里面，我们的挑战是不告诉输掉和他的不道德或者是说道他的不道德可能性。那么对于他们以往做到了些什么呢？我也不告诉。

”他说道。之后，他阐释了 Libratus 的基本原理，包括抽象、子博弈论解决问题器和自我提高模块三个部分，里面并没中用深度自学。

桑德霍姆指出，人工智能不光是机器学习，“机器学习是关于过去，我们从过去的数据中自学，期望需要预测到未来或者是说道在未来需要做更加多有益的东西，而战略性逻辑不会关系到很多的可能性，是关于未来而发售的游戏”。以下内容由(公众号：)根据桑德霍姆的演说速记整理，有不转变本意的删改。

今天我谈一下超强人类的 AI 怎么做战略性的分析和推理小说，这里用扑克做到例子，今天我们说道的是不极致信息的游戏，也就是说整个输掉的状态不被机器人熟知，这个跟对局没什么过于大的联系，但是和谈判很像。非极致信息的游戏：扑克 AI 与 AlphaGo 大有所不同我们告诉 AlphaGo 的技术可以用作所有的极致信息的游戏，极致信息的游戏有一个好性质，就是一个大游戏可以分解成各个小的子游戏，子游戏怎么样解决问题的呢？通过别的子游戏的结论来自学。比如当我们看这一局的时候，不必关心其他局或者是其他的国际象棋步骤里面输掉怎么做？只看这一步怎么样做到就需要教给了。

而非极致的信息是什么意思？就是一个信息一个子游戏教给的，无法用作另外一个子游戏。那么不极致信息的游戏就比极致信息的游戏更加无以。这些是基于某一 个小领域的技术，并且不能迁于其他的小领域的，比如说扑克，我们发明者的这种算法需要在这种不极致信息的情景下也需要自学。

由于极致信息和不极致信息的游戏两者本质不一样，AlphaGo 所应用于的技术不可以应用于到非极致的扑克游戏里面，因为两者的性质是不一样的。在不极致信息的游戏里面，我们的挑战是不告诉输掉和他的不道德或者是说道他的不道德可能性。

那么对于他们以往做到了些什么呢？我也不告诉。我跟我的扑克输掉，我不告诉他以往的行动，他也不告诉我以往的行动，像我们人类面临的情景里面更好的是这一类的，不告诉输掉背后的殊不知。那么我们想问的是输掉的行动对我有什么样的救赎，我怎么样通过输掉的行动来推断到背后的动机，我的行动也泄漏了我的哪些意图给我的输掉呢？这里面有意思的是，我们不必须去解析这些行动的信号。

这些信号让我们回过头来看这个纳什的方程式，纳什先生只不过只是给博弈论一个定义，他并没给我们结论，他用一些算法，根据更加较宽的定义来算出有，谋求更佳的算法。那扑克里面有很多的数学原理，如果我们看一下纳什先生的那篇博士论文，把他的博弈论方程首先展出给我们，这是 1993 年的时候，这里只有一个定义，那就是类似于扑克的定义。

再行往后对于扑克，我们有了更加多的科学家和更加多的定义。AI 完虐人类赌神大家也不会辩论如果有更多更好的策略和战略来输掉扑克，最近去年，我们有数以百计的关于这个扑克的扑克研究。我谈的会过于多，我只谈一些重点的研究，首先有 2004、2005 年的学生和我一起做到了这样一个关于可用提取的一个算法，就是说你额丢弃了，或者是说道不告诉这个游戏的 99% 的信息，却仍然可以去告诉这个游戏的规则。

那么，我们现在要谈的无限庄家德州扑克的纸牌压注沦为最好的一个计算机界解决问题的标杆，里面包括了 10 的 161 次方的情景。到目前为止我刚说道的无限庄家的纸牌游戏是被 AI 攻陷的，我们看一下这种单周的关于无限庄家的突破，这是第二次决斗，因为之前有一次人机对付，当时的 AI 败给了人类运动员，这次我们叫作再行对付，再行挑战。

我们的 AI 系统是一个冻捉大师的智能系统，它的输掉是四个十分杰出的扑克运动员，我们一共做到了 12 万次的交手，在 20 天之内，庄家的赌金 20 万美元之多，大家有很强的动机去输掉。2017 年这场，我们把这笔 20 万美元的奖金，不是每个人给 20 万，而是根据这四个运动员的展现出成比例的分配，而且我们的试验设计十分的激进，让人类去设计整个游戏的范式，为什么这么做到呢？让人类去设计整个游戏的各种范式，以便于到最后去要求谁输掉谁赢的时候，因为是人类事前设计好的，就会有各种的争执和争议了。那么，整个的人类在押注的时候，更好的时候不会实在人类不会输掉。

我们看一下游戏的现场，丹尼尔是我的朋友，我的同事，他们分开的一对一单调。冻捉 AI VS 中国龙之队一说到丹尼尔和 AI 决斗，AI 和上面的四位扑克大师在楼上决斗。

比方说杰森，他在同时看著两桌，他在这两桌之间有可能往返转换，在他左边的这个小屏幕上，他可以展开转换，最后的结果，我们的冻捉大师系统输掉，而且大胜人类。同理，我们用这个冻捉大师跟中国的赌神展开对付，中国的龙之队，中国的六位赌神，这是国际扑克大师的赢家，这些都是顶级的扑克手。冻捉大师还是输掉了我们人类的赌神。

冻捉 AI 的秘密：居然不行深度自学有人要回答了，我们这个冻捉大师的系统是什么原理呢？基本上我们用的是已检验准确的技术，这里面没深度自学。所以说道在上面主要有三个自由选择，第一个自由选择是有很多游戏规则的输入，还有一些更加小的游戏的抽象，最后有一个算法展开蓝图战略的继续执行。

然后在我们的子博弈论的解决问题器里面，实质上也是在游戏的过程中来展开问题的解决问题，有一个自我提高的模块，它需要把所有的这些本身的 AI 后台的主机在晚上的时候做到一个改版。对于软件的运营，在我们匹兹堡的超级计算机中心的这台计算机有 1200 万小时的游戏的时间积累。所以说道它有很多的输出的信息，如果我们把 AlphaGo 和它展开对比的话，AlphaGo 是用人类的游戏历史，我们没做到这个东西，我们是白手起家的。

样子是我们对着镜子给自己展开摔跤，然后忽然跳跃一起飞踢泰森的关系，我们也是一样的，我们通过 AlphaGo 来展开自我游戏构建的。抽象我们想到第一个解析，是模块里面用于新的抽象的算法，相对来说取得一个更加小的规则，然后我们不会有一个均衡简化的过程。然后新的返回我们最初的游戏中展开我们所谓的蓝图战略。

然后这里有两个抽象，一个是胜利的抽象，是定期展开算法的计算出来。2016 年的时候做到过，现在我们用一个仅次于的抽象，展开了一个均衡简化的算法，来取得多种抽象，所以从第一个赌局到我们的第二个赌轮里面，在所有的赌轮里面都可以展开，第四个赌轮里面我们用于了子博弈论的解决问题器，这里面有一个产品的抽象画，所以这样的话我们可以对我们的客户端有一个更佳的解读了。第三个月的抽象就是指我们的扑克赌轮中，这里用于了人工智能之外，还重新加入了一些大赌局和小赌局的概念，所以说道我们可以有最初的一个初级算法，然后把它展开一个优化，但是继续没办法来展开扩展，所以说道我们还必须把它第一个赌局渐渐的往外扩展。

子博弈论解决问题器后来到了子博弈论的解决问题器，这里有五个新的部分，第一个部分很有可能是可以把它当前的输掉的一些内容考虑到在内，第二个，它是归属于一些战略中的，你的子博弈论的，这个计算出来方式很有可能会比这个蓝图战略更差。然后，如果说输掉在当前的阶段罪一个错误的话，我们可以新的再行考虑到它这样的一个情况下，然后同时考虑到经常出现的错误，但是还需要确保你的胜利，所以说道它是可以在与确实的人展开比赛的时候，会经常出现这种类似于的错误。还有就是说关于子博弈论的解决问题。一开始的时候，你解决问题这个问题一，再行展开游戏。

但是我们在这里先要再行解决问题剩下的一些，就是说整个局我要新的的做到一遍，每当输掉回头一步，我都会把只剩的部分再行新的算数一遍。另外，它还可以把当时，你可以庞加莱的步骤的实际这一步计算出来在内，这些都是在我们的抽象化中，还有它可以启动得较为早于，以前都是在最后一个赌轮，现在我们放到第三个赌轮里面，如果这里没在子博弈论中的这种牌的抽象，我们这样做到是因为我们期望需要通过一种新的方式展开子博弈论的解决问题。自我提高模块最后一个模块，它就是自我提高的模块，它使用了几乎有所不同的一种方法来展开自身的提高。

并且它也用于了之前我们所说的均衡战略。那么我一般来说是怎么做的呢？就是说我们必须把一系列的输掉模块挤满在一起展开研发，我实在它是较为有风险的一个方法，尤其是对于一些顶级玩家来讲，因为顶级玩家是归属于世界上的这个方面的专家，他们是很更容易找到漏洞的专家，所以说道这个过程中，很更容易不会遇到困难，然后我们让输掉的不道德构建告诉他我们自己战略里面的漏洞在哪。

这样在这个超级计算机里面，算法不会把这些重新加入到我们的不道德抽象画里去，之后我们就可以把它加到到我们的库里面去，可以在自己的主机里面把一些理性的内容再行重新加入进来。超强人类的 AI 怎么做战略性的分析和推理小说下面我们再行谈一下，在我们实验室里面研究的一些情况，还有就是说如何来解决问题非原始的信息的内容，这是我们的一些在做到的课题，所以在游戏中和我们之前谈的，它不会有一个非完整性信息，必须有一个抽象的找寻器，然后我们要告诉它里边的一个，游戏中不会经常出现的问题的路径，然后我们有一个这种算法，它可以把一些概率来展开计算出来，如果说你这个模型离我们的偏差这么近，然后它这个模块不会来展开提高，我们在扑克中是来做到竞赛的，所以我们在比赛中必须应用于来展开一个仿真，虽然规则不是这么确切。所以某种程度的一个概念，如果我们的模块，现实当中只有这么一个差异的话，我们可以来提高我们的战略。

然后让它更加合适现实中的情况。第二点，在我们之前说道过，有可能在事件当中最差的是均衡战略，也是我们需要取得的最差的理论，今年夏天开始，我们有更加多的一些算法了。第三个，我们在双方都会经常出现较为大的，或者是很多的错误的时候，我们是不是能解决问题这些问题。

尽管传统意义上来讲，我们实在有一些错误有可能是可以展开计算出来简化的，但是现在在计算机里面的一些技术可以用更佳的办法来展开一个提高。最后，就是在利用或者是说道研发之间的这种对比，在游戏中，我们必须去找到对方的漏洞。然后开始通过这种非游戏理论的方式，考虑到自己如何会被对方所利用。所以说道如果你开始使用游戏理论的时候，有人利用了这种游戏理论或者是博弈论理论是不安全性的。

但是现实中未必如此，你可以利用别人的同时，也可以确保自己不被利用，也可以确保自己的安全性。像我之前提及的这些技术，某种程度是被用来编程，这些被用来任何一个你有对话的过程中，这个当中不光有一方，还有不原始的信息，对于新技术的能力，之所以这么鼓舞，是因为我们看见了这种战略性的机器中有很多的类似于科学知识的拷贝。我指出这种战略定价，或者是说道战略产品的人组，也可以利用它来展开一个优化。

AI 也可以应用于现实世界的“游戏”现在，在 AI 当中，我们不光可以节省更好的人力，同时，又可以做到得比最差的人类更加强劲，让我们有更加多的理由来利用到实际中。有一些人有可能实在大多数的现实中的应用于，总会不存在着不极致信息，就算是不看作一个游戏，那么我们想象一下，比如说在定价中的利用，如果对方的这个竞争对手的价格早已相同了，如果忽然对方转变了这个价格，你必须构建自己的价值优化，必须反应，这里面是一个体现式的模块。战略性的定价可以让你来驱动市场的发展，同时可以事前展开价格的思维，某种程度你战略性的产品和人组优化，在金融中的用于也较为多，比如说战略性的结构或者是说道战略贸易继续执行等等，还有自动的溢价。

我们用于眼镜提高我们的视力，为什么无法用 AI 来提高自己的战略逻辑呢？还有像拍卖会中，假如有一种投机式的拍卖会，在没有人告诉底价的情况下，是不是可以使用合理的有奖。还有像电影版权，有所不同的一些流媒体公司，他们有可能要卖一些有所不同的视频流，究竟如何需要建构一个更佳的视频流的人组，如何来展开更佳的谈判。大部分的应用于不会考虑到网络安全问题，如何来防水漏洞和操作系统中的问题，以及政治运动中，我究竟要花上多少钱，基于我竞争对手的支出来展开计算出来。还有自动驾驶车辆中，或者是说道半自动驾驶员的车队由有所不同公司来展开运维的时候，如何来取得一个更佳的道路规则。

有很多的一些军队或者是说道在实体安全性方面的应用于，还有生物适应环境或者是说道一些医药的决定中，我们早已有了多种的计划需要把这些，比如说对患者人群来展开更佳的一个规划，才需要防止展开一些疫苗的静脉注射和癌症的防水等等，当然我们还有娱乐式的，训练式的应用于技术，在很多的新的游戏中，同时也不会有一些社交的游戏。人工智能不光是深度自学最后一张幻灯片我想要认为的是人工智能不光是深度自学，还有一些最重要的部分和领域，现在有一些新的技术和领域，我们叫作战略性逻辑，它是我们战略博弈论的一部分，同时我们还有向输掉建模等等，这些也是必须很多的模型。

机器学习是关于过去，我们从过去的数据中自学，期望需要预测到未来或者是说道在未来需要做更加多有益的东西，而战略性逻辑不会关系到很多的可能性，是关于未来而发售的游戏。我们早已做到了一些试验，期望需要取得更加多结果，谢谢大家。涉及文章：时隔 AlphaGo 之后又一突破：人工智能 Libratus 战胜德州扑克顶级运动员Facebook田渊栋：德州扑克上战胜人类的AI到底用的是什么算法？| 解析洞见 | 就算是败给AI，也无法说道人类毁掉了德州扑克的阵地版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：ag真人官网平台-www.sdgxny.com