जीत और जीत: AI चार पेशेवरों के खिलाफ पोकर टूर्नामेंट जीतता है

कृत्रिम बुद्धिमत्ता (इसका कमजोर रूप), कार्नेगी मेलन यूनिवर्सिटी स्कूल ऑफ इंफॉर्मेटिक्स के प्रतिनिधियों द्वारा विकसित किया गया, जिसमें चार पेशेवर पोकर खिलाड़ी शामिल थे। यह पिट्सबर्ग में नदियों कैसीनो में एक टेक्सास होल्डम टूर्नामेंट है । यह पोकर के सबसे लोकप्रिय प्रकारों में से एक है। टूर्नामेंट के दौरान, लगभग 120 हजार हाथ खेले गए। AI ने 1.7 मिलियन डॉलर का बैंक लिया।

कार्यक्रम के लेखक थॉमस सैंडहोम और नोआम ब्राउन हैं। डेवलपर्स के अनुसार, पोकर एक ऐसा खेल है जिसके प्रतिभागी नहीं जानते हैं कि बाकी सभी के पास क्या कार्ड हैं। इस कारण से, किसी चीज़ की गणना करना बेहद मुश्किल है। टूर्नामेंट के प्रतिभागियों में से एक जिमी चू ने शिकायत की कि उन्होंने और उनके सहयोगियों ने लाइब्रेटस की क्षमताओं को कम आंका: “बॉट हर दिन बेहतर खेलता था। वह हमारे लिए अधिक कुशल संस्करण लगता है। ”

प्रश्न में टूर्नामेंट को " दिमाग बनाम कृत्रिम बुद्धिमत्ता: अपिंग द एन्टे " कहा जाता था । इसकी शुरुआत 11 जनवरी को हुई थी। पाँच प्रतिभागी थे। उनमें से एक लाइब्रेटस बॉट है। अन्य चार जिमी चू, डोंग किम, जेसन लेस, और डैनियल मैकॉले हैं। टूर्नामेंट की कुल अवधि 20 दिन थी। दुनिया में इस तरह के पोकर में सभी चार लोगों को सर्वश्रेष्ठ खिलाड़ी माना जाता है।

डेवलपर्स के अनुसार, उनके पोकर कार्यक्रम को जीतना कृत्रिम बुद्धिमत्ता के क्षेत्र में सबसे बड़ी उपलब्धियों में से एक है।


दुर्भाग्य से, लाइब्रेटस प्रणाली के लेखक अपने काम की विशेषताओं का खुलासा नहीं करते हैं। एल्गोरिथ्म के संचालन का सिद्धांत केवल सामान्य शब्दों में जाना जाता है। फिर भी, निकट भविष्य में, एक पीयर-रिव्यू वैज्ञानिक जर्नल में एक प्रकाशन में तकनीकी विवरण का खुलासा किया जाएगा।

डेवलपर्स का दावा है कि लाइब्रेटस में तीन भाग होते हैं। यह मुख्य कोर है, एक प्रणाली जो प्रतिद्वंद्वियों द्वारा की गई गलतियों को ट्रैक करती है और वह हिस्सा जो खुद की कमजोरियों को ट्रैक करता है। खेल के दौरान, तीसरे भाग ने कार्यक्रम की क्षमता में सुधार करने में मदद की, साथ ही पहले दो भागों के काम में सुधार किया। लाइब्रेटस ने ब्लफ़ करना सीख लिया है और विरोधियों से ब्लफ़ को पहचानना सीख लिया है। कुल गणना समय लगभग 15 मिलियन कोर घंटे था।

सबसे दिलचस्प बात यह है कि लिब्रेटस एल्गोरिदम विशेष रूप से पोकर या किसी अन्य गेम के लिए "तेज" नहीं हैं। कार्यक्रम को आंतरिक संसाधनों का उपयोग करना चाहिए, खेल की अपनी शैली विकसित करनी चाहिए। और यह काम डेवलपर्स द्वारा शुरू की गई जानकारी पर आधारित था - पोकर के नियम।

पुरस्कार राशि के रूप में, टूर्नामेंट के प्रतिभागियों को $ 200,000 मिलेंगे - यह राशि सभी मानव खिलाड़ियों के बीच विभाजित होगी, जो उन्हें प्राप्त परिणामों के अनुसार होगी। डेवलपर्स पैसे घर नहीं लाएंगे। यह सब पहले से सहमति व्यक्त की गई थी, और वैज्ञानिकों के लिए मुख्य बात जिसने सिस्टम बनाया था वह इसकी प्रभावशीलता का प्रमाण है। कार्नेगी मेलन के कर्मचारियों के अनुसार , लाइब्रेटस क्षमताओं का उपयोग साइबर सुरक्षा, बातचीत में और सैन्य उद्देश्यों के लिए किया जा सकता है।



सामान्य तौर पर, हर साल आर्टिफिशियल इंटेलिजेंस एक व्यक्ति को उन सभी नए गेमों के लिए तैयार करता है जो पहले एक कंप्यूटर के लिए दुर्गम माने जाते थे। प्रारंभ में, ये चेकर्स थे, फिर - शतरंज, वीडियो गेम, गो और अभी - पोकर। इसके अलावा, यह दिलचस्प है कि पिछले सभी मामलों में सभी प्रतिभागियों को खेल के पाठ्यक्रम के बारे में पूरी जानकारी है - आप खेल के मैदान और सभी चिप्स / आंकड़े देख सकते हैं। उत्तरार्द्ध मामले में, जानकारी पूर्ण नहीं है, इस संबंध में पोकर अलग है।

एआई ने पहले पोकर खेला था, लेकिन वे गेम के सबसे सरल संस्करण में ही जीतने में कामयाब रहे - सीमित दरों को बढ़ाने वाले सीमित कदम के साथ। लेकिन असीमित पोकर में, सब कुछ बहुत अधिक जटिल है। यहां आपको अपने स्वयं के कार्ड के बारे में जानकारी और प्रतिद्वंद्वी के कार्यों के बारे में डेटा के आधार पर कार्य करने की आवश्यकता है। इसके अलावा, विरोधियों को झांसा दिया जा सकता है, जो कार्य को और जटिल करता है।

असीमित होल्डम में, एक अन्य सॉफ्टवेयर प्लेटफॉर्म - डीपस्टैक - भी उत्कृष्ट परिणाम दिखाता है । यह अल्बर्टा विश्वविद्यालय में विकसित किया गया था, और विश्वविद्यालय के कर्मचारी, एक विशेष शोध समूह, पिछली शताब्दी के 90 के दशक से पोकर बॉट बना रहा है। यहां बनाया गया पहला बॉट 1997 में लोकी था। इसके बाद पोकी (1999), PsOpti / Sparbot (2002), Vexbot (2003), Hyperborean (2006), Polaris (2007), Hyperborean No-Limit (2007), Hyperborean Ring (2009), Cepheus (2015), और अंत में थे। , क्राउन ऑफ़ क्रिएशन - डीपस्टैक।

इस कार्यक्रम की तकनीकी क्षमताओं के बारे में काफी कुछ जाना जाता है, क्योंकि डेवलपर्स ने जानकारी प्रकाशित की हैइस साल की शुरुआत में उसके बारे में। डीपस्टैक नैश संतुलन का उपयोग करता है। यह विभिन्न रणनीतियों के एक सेट का नाम है, जिसमें कोई भी खिलाड़ी रणनीति में बदलाव के मामले में अपनी जीत को नहीं बढ़ा सकता है, अगर खेल में अन्य प्रतिभागी रणनीति नहीं बदलते हैं। इसके अलावा, डीपस्टैक अन्य खिलाड़ियों द्वारा अपनी रणनीति का उपयोग करने का प्रयास करता है।

Source: https://habr.com/ru/post/hi401137/