AI 'Superhuman' tegħleb lill-professjonisti fil-POKER għall-ewwel darba

Professjonali poker plejers ġew megħluba minn an inteliġenza artifiċjali programm għall-ewwel darba.

Il-bot, imsejjaħ Pluribus, għeleb lill-professjonisti ewlenin fil-poker Texas hold'em no-limit b'sitt plejers, l-aktar forma popolari fid-dinja tal-logħba tal-karti tal-logħob tal-azzard.

Pluribus għeleb lill-professjonist tal-poker Darren Elias, li għandu r-rekord tal-biċċa l-kbira tat-titli tal-World Poker Tour, u lil Chris 'Jesus' Ferguson, rebbieħ ta' sitt avvenimenti tal-World Series of Poker.

Kull pro lagħab separatament 5,000 idejn tal-poker kontra ħames kopji ta' Pluribus, li ġie żviluppat minn xjenzati fi Università Carnegie Mellon fl-Istati Uniti b'kollaborazzjoni ma' Facebook .

F'esperiment ieħor li jinvolvi 13-il pros, li kollha rebħu aktar minn miljun dollaru Amerikan jilagħbu l-poker, Pluribus lagħab ħames pros kull darba għal total ta' 10,000 idejn u reġa' ħareġ rebbieħ.

Il-Prof Tuomas Sandholm żviluppa Pluribus ma' Noam Brown, li qed itemm il-Ph.D. fid-Dipartiment tax-Xjenza tal-Kompjuter ta’ Carnegie Mellon bħala xjenzat tar-riċerka f’Facebook AI.

Logħba tal-poker onlajn (Immaġni: Getty)

Prof Sandholm qal: 'Pluribus kiseb prestazzjoni superumana fil-poker b'ħafna plejers, li huwa tragward rikonoxxut fl-intelliġenza artifiċjali u fit-teorija tal-logħob li ilha miftuħa għal għexieren ta' snin.

huwa allay ppi sigur

'S'issa, l-istadji superumani tal-AI fir-raġunament strateġiku kienu limitati għal kompetizzjoni bejn żewġ partijiet.

'Il-ħila li tgħeleb ħames plejers oħra f'logħba daqshekk ikkumplikata tiftaħ opportunitajiet ġodda biex tuża l-AI biex issolvi varjetà wiesgħa ta' problemi fid-dinja reali.'

Is-Sur Brown, li ngħaqad ma' Facebook AI is-sena l-oħra, qal: 'Il-logħob ta' logħba ta' sitt plejers aktar milli ras imb'ras jeħtieġ bidliet fundamentali fil-mod kif l-AI tiżviluppa l-istrateġija tal-logħob tagħha.

tejp sesswali kym kardashian

'Ninsabu ferħanin bil-prestazzjoni tiegħu u nemmnu li wħud mill-istrateġiji tal-logħob ta' Pluribus jistgħu saħansitra jibdlu l-mod kif il-pros jilagħbu l-logħba.'

Qal li l-algoritmi ta’ Pluribus ħolqu xi karatteristiċi sorprendenti fl-istrateġija tiegħu. Pereżempju, il-biċċa l-kbira tal-plejers umani jevitaw 'donk betting' - jiġifieri li jispiċċaw rawnd wieħed b'sejħa iżda mbagħad jibdew ir-rawnd li jmiss b'imħatra. Huwa meqjus bħala mossa dgħajfa li normalment ma tagħmilx sens strateġiku.

Iżda Pluribus għamel imħatri 'donk' ferm aktar spiss mill-professjonisti li għeleb.

Poker pro Elias qal: 'Il-qawwa ewlenija tiegħu hija l-kapaċità tagħha li tuża strateġiji mħallta.

(Immaġni: Getty)

'Din hija l-istess ħaġa li l-bnedmin jippruvaw jagħmlu. Hija kwistjoni ta 'eżekuzzjoni għall-bnedmin - li jagħmlu dan b'mod perfettament każwali u li jagħmlu dan b'mod konsistenti. Ħafna nies sempliċement ma jistgħux.'

Pluribus irreġistra rebħa soda, u Elias qal. 'Il-bot ma kienx qed jilgħab biss kontra xi pros tan-nofs tat-triq. Kien qed jilgħab uħud mill-aqwa plejers fid-dinja.'

Michael ‘Gags’ Gagliano, li qala’ kważi żewġ miljun dollaru Amerikan matul il-karriera tiegħu, ikkompeta wkoll kontra Pluribus.

kemm staġuni ta benidorm

Huwa qal: 'Kien oerhört affaxxinanti li tilgħab kontra l-bot tal-poker u li rajt xi wħud mill-istrateġiji li għażlet.

'Kien hemm diversi drammi li l-bnedmin sempliċement m'huma jagħmlu xejn, speċjalment fir-rigward tad-daqs tal-imħatri tagħha.

'Il-bots/AI huma parti importanti fl-evoluzzjoni tal-poker, u kienet aqwa li jkollok esperjenza diretta f'dan il-pass kbir lejn il-futur.'

Prof Sandholm mexxa tim ta’ riċerka li jistudja l-poker tal-kompjuter għal aktar minn 16-il sena.

Hu u s-Sur Brown aktar kmieni żviluppaw Libratus, li sentejn ilu għelbu b’mod deċiżiv erba’ pros tal-poker lagħbu flimkien 120,000 idejn ta’ heads-up no-limit Texas hold'em, verżjoni tal-logħba għal żewġ plejers.

Il-Prof Sandholm spjega li logħob bħaċ-ċess u l-Go ilhom iservu bħala tragwardi għar-riċerka tal-IA.

F'dawk il-logħob, il-plejers kollha jafu l-istatus tal-bord tal-logħob u l-biċċiet kollha.

Inteliġenza artifiċjali

Iżda l-poker huwa sfida akbar minħabba li hija logħba ta’ informazzjoni mhux kompluta; plejers ma jistgħux ikunu ċerti liema karti huma fil-logħob u l-avversarji jistgħu u se bluff.

Prof Sandholm qal li dan jagħmel il-poker kemm sfida AI aktar iebsa kif ukoll aktar rilevanti għal ħafna problemi tad-dinja reali li jinvolvu partijiet multipli u informazzjoni nieqsa.

Spjega li Pluribus jeħles mill-garanziji teoretiċi ta’ suċċess u jiżviluppa strateġiji li madankollu jippermettulu jegħleb b’mod konsistenti lill-avversarji.

Pluribus l-ewwel jikkalkula strateġija 'blueprint' billi jilgħab sitt kopji tiegħu nnifsu, li huwa biżżejjed għall-ewwel rawnd ta' mħatri.

Minn dak il-punt 'il quddiem, Pluribus jagħmel tfittxija aktar dettaljata ta' mossi possibbli f'estrazzjoni aktar fina tal-logħba.

Jħares 'il quddiem diversi mossi hekk kif jagħmel dan, iżda ma jeħtieġx li tħares 'il quddiem sat-tmiem tal-logħba, li tkun komputazzjoni projbittiva.

Prof Sandholm spjega li Pluribus ukoll ifittex li jkun imprevedibbli. Pereżempju, l-imħatri jagħmel sens jekk l-AI jkollha l-aħjar naħa possibbli, iżda jekk l-AI taħbat biss meta jkollha l-aħjar naħa, l-avversarji se jaqbdu malajr.

Għalhekk Pluribus jikkalkula kif jaġixxi b'kull id possibbli li jista' jżomm u mbagħad jikkalkula strateġija li hija bbilanċjata f'dawk il-possibbiltajiet kollha.

david jason myfanwy tallow

Prof Sandhokm qal li Libratus uża madwar 15-il miljun siegħa ċentrali biex jiżviluppa l-istrateġiji tiegħu u, waqt il-logħob dirett, uża 1,400 CPU core.

Iżda Pluribus ikkalkula l-istrateġija blueprint tiegħu fi tmint ijiem billi uża biss 12,400 siegħa ċentrali u uża 28 core biss waqt il-logħob dirett.

Id-dettalji tal-kisba ġew ippubblikati online mill-ġurnal Science.