Nikolai Yakovenko（尼古拉 雅克文科） 是一位AI学者、深度学习研究员。同时也是一名德扑牌手。在过去的十多年里，他和全球其他专注于AI人工智能的专家们一样，利用扑克牌局来寻找AI研究的探索方向。
扑克游戏处于完美信息的对立面，扑克游戏并不存在什么完美制胜的战略。毕竟其他玩家的下一步是难以预测的。所以无论是基于概率还是博弈论方向的研究学者，都沉迷于将复杂的扑克牌局计算作为展开AI实验和训练的重要途径。
在一次麻省理工大学的公开演讲中，尼古拉分享了自己对人工智能与扑克之间的一些观点与预测。
五年，扑克AI就将抵达锦标赛现场
尼古拉认为，五年、甚至要不了五年，扑克机器人就将抵达大型扑克锦标赛的现场，与真实玩家们形成竞争。尼古拉认为，扑克机器人并不一定需要掌握真实玩家的风格。毕竟，在真人扑克牌局中，正常的职业选手或多或少都能赢得一些赛事的奖金。甚至，一个技术水平低于平均水平的玩家，偶尔都能赢。所以在任何扑克赛事的早期阶段，经过大量数据训练的扑克机器人能够对抗一些可预测的牌局。
但尼古拉并不认为扑克机器人在赛场上具有压倒性的竞争力，指望利用扑克机器人赢取赛事的百万奖金，基本不太靠谱。
策略+教学/分析工具=现阶段强大的扑克AI
尼古拉认为，扑克机器人更大的价值将体现在辅助工具的作用上。目前，强大的扑克AI最直接的价值是作为教学/分析工具。在尼古拉的观点中，这是研究扑克AI的两大重要出路之一。
以被称为德扑届的「阿尔法狗」——Libratus为例。Libratus在初次亮相时，透过一对一扑克牌局中击败数名职业选手。然而这是AI「策略」的胜利。研究人员为Libratus设定了一组损失最少的策略，让Libratus的每次出牌都按照扑克玩法每一手牌的最大概率进行。这样能够避免不输，但是也不一定能赢。追求不输，争取平局是Libratus的第一目标。即使获胜，在千变万化的扑克牌局组合中也只能实现侥幸小胜，真人并不会一败涂地。
按照Libratus幕后的行业扛鼎专家Noam Brown（诺曼 布朗）和他团队的学术研究计划，距离能够处理真实赛事中多人对局的超级复杂局面，Libratus要走的路还非常漫长。在目前的计划中，Noam Brown团队期待通过大数据分析和深度学习，为Libratus找到一套基于博弈论的通用策略，用来与不同风格的扑克选手对抗。
人类会为扑克AI提供更有价值的用途
尼古拉还表示，平衡求解（CFR/equilibrium solving）能够适用于六人无限制德州扑克玩法。他建议正在这条道路上奔跑的研究人员们，尝试利用平衡求解输出训练扑克牌局。
尼古拉坚信，人类会为扑克AI提供更有价值的用途，而不仅仅作为一种训练工具。他非常期待在周末夜晚的俱乐部里，有八部AI能够快乐地玩起真实的扑克牌局，并且每个AI都独一无二，与众不同。
此文整合转载于Nikolai Yakovenko的个人博客及Noam Brown的个人twitter，代表研究人员的个人意见，并不代表AIPoker的官方观点。
编译出处：
https://medium.com/@Moscow25/
Tweets by polynoamial