冷扑大师 Libratus 与“冷门” NIPS 2017 最佳论文

CMU 教授 Tuomas Sandholm 及其学生 Noam Brown 所开发的人工智能德扑系统 Libratus，被国内同行翻译成 “冷扑大师”。冷扑大师在 2017年1月，与四位德扑职业高手对阵，大获全胜，赢得了接近总数的筹码 [1]。

2017年11月，Noam Brown 与 Tuomas Sandholm 合著的论文，“Safe and Nested Endgame Solving for Imperfect-Information Games”，获得 NIPS 2017 最佳论文奖 [2]。

但是这篇最佳论文，在国内业界引起的讨论，似乎不算特别热烈。原因可能有三条，

1. 这篇论文非常不好懂。光数学符号的定义，就整整占了一节内容。数学符号定义结束后，是很大篇幅的定理证明。初读一遍，云里雾里。

2. 非热门的理论根基。当下热门的机器学习领域，是深度学习和强化学习。而这篇论文的理论根基，是博弈论和运筹学。

3. 方法论的通用性。若干读者认为，冷扑大师的算法，可能仅仅适用于德扑，或者充其量能够扩展到其它棋牌类游戏。应用前景有限。

11月8日，Tuomas Sandholm 来北京参加新智元举办的世界人工智能大会AI World 2017，并做主题演讲。餐叙时，Sandholm 教授对笔者说，从应用前景来说，冷扑大师的算法，不仅可以用于赌博，也可以用于谈判，拍卖定价，投资决策等等。

11月8日，Tuomas Sandholm（中）来北京参加新智元举办的世界人工智能大会，餐叙时与新智元创始人兼CEO杨静（左）和本文作者邓侃博士交流

从方法论来说，冷扑算法的理论根基是博弈论和运筹学。而强化学习学习的理论根基是马尔科夫决策过程和动态规划。虽然来源不同，但是终将殊途同归。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

冷扑算法与强化学习和深度学习殊途同归之日，必将大放异彩。

冯·诺依曼曾经这样说，“真实的生活，（不会像围棋那样）可以毫无遮拦地洞察整个棋局。真实生活中充斥着虚张声势、欺诈、揣度对方心理。这才是我所研究的博弈。”

读懂冷扑大师这篇最佳论文，关键是理解四个概念，

 

1. 纳什均衡策略，
2. 反事实最佳策略，
3. 抽象，
4. 终局。

 

冷扑大师的算法与纳什均衡策略：不让对方占便宜

目前冷扑大师只会打双人德扑。当然，把算法改进一下，多用几核 GPU，也可以打多人德扑。

打德州扑克时，先发给每个牌手两张暗牌，然后陆续发 5 张明牌，期间 4 轮下注，最后比大小 [3]。

德扑难在揣摩对手的两张暗牌。公开的信息，是 5 张明牌和双方下注的历史。但是，对方不会严格按照自己手中的暗牌来下注，而是有意夹杂着各种误导战术，譬如虚张声势等等。

冷扑大师是如何识别对手的下注策略呢？