डेवलपर्स ने बताया कि कैसे एआई ने 120,000 की दूरी पर असीमित होल्डम में पोकर पेशेवरों को हराया

पेशेवर पोकर खिलाड़ी जेसन लेस, लाइब्रेटस बॉट के साथ एक सिर-अप के दौरान कार्नेगी मेलन विश्वविद्यालय के प्रोफेसर तुमास सैंडहोम के साथ बात करते हैं। जेसन कार्यक्रम से लगभग एक मिलियन सशर्त डॉलर खो दिया, किसी भी अन्य पेशेवर से अधिक

हाल ही में, कमजोर एआई सिस्टम के डेवलपर्स अक्सर मनुष्यों के खिलाफ खेल टकराव में अपने कार्यक्रमों की प्रभावशीलता की तुलना करते हैं। यानी बस खेलों में। कंप्यूटर ने पहले ही चेकर्स, शतरंज और गो में आदमी को हरा दिया है। खेल के दौरान किसी भी समय पूरी जानकारी के साथ इन खेलों में, सभी खिलाड़ियों को खेल की स्थिति के बारे में पूरी जानकारी होती है, अर्थात किसी भी खिलाड़ी की स्थिति और सभी संभावित चाल के बारे में।

इस तरह की निर्धारक स्थितियों के विपरीत, अपूर्ण जानकारी वाले खेलों में, खेल की स्थिति के बारे में जानकारी का हिस्सा खिलाड़ी से छिपा होता है - उदाहरण के लिए, प्रतिद्वंद्वी का कार्ड। अनलिमिटेड टेक्सास होल्डम इन खेलों में से एक है। प्रतिद्वंद्वी के कार्ड के अलावा, यहां अनिश्चितता के तत्व को प्रत्येक शर्त के मनमाने आकार के कारण जोड़ा जाता है। इसे ध्यान में रखते हुए, संभावित परिणामों की संख्या 10 ¹⁶¹ अनुमानित है।

शायद टेक्सास होल्डम दुनिया में अधूरी जानकारी वाला सबसे लोकप्रिय खेल है। प्रतिदिन अरबों डॉलर ऑनलाइन खेले जाते हैं। बॉट्स का उपयोग करने से पहले कड़ाई से मना किया गया था, और अब पोकर कमरों के मालिकों के पास खिलाड़ी के कंप्यूटर पर निगरानी प्रक्रियाओं के लिए एक नया कारण है, क्योंकि लाइब्रेटस कार्यक्रम मज़बूती से सर्वश्रेष्ठ पेशेवरों से भी हेड-स्टैक को दूर ले जाता है।

चार पोकर पेशेवरों के खिलाफ लाइब्रेटस का विजेता मैच 11-30 जनवरी, 2017 को प्रतियोगिता के भाग के रूप में आयोजित किया गया था "दिमाग बनाम।" एआई । "


प्रतियोगिता के 20 दिनों के दौरान लाइब्रेटस कार्यक्रम और चार विरोधियों के ढेर

एआई ने 120,000 सिर-अप हाथ खेला और परिणामस्वरूप, $ 1,766,250 पारंपरिक डॉलर के लिए सकारात्मक क्षेत्र में रहा। खिलाड़ी खुद खेल कार्यक्रम से बहुत प्रभावित हुए, जिसने हर दिन खिलाड़ियों की गतिविधियों के प्रति निपुणता से अपनी रणनीति बदल दी।

बेशक, खेल असली पैसे के लिए नहीं था, इसलिए खिलाड़ी खुद कुछ हद तक निश्चिंत थे और इस खेल के बारे में बहुत जिम्मेदार नहीं थे, अगर वे अपने पैसे के लिए खेल रहे थे। हां, और उन्हें हर दिन कंप्यूटर पर घंटों बिताना पड़ता था, जो शारीरिक रूप से समाप्त हो रहा था। फिर भी, कार्यक्रम की ऐसी विश्वसनीय जीत प्रभावित नहीं कर सकती है। सौ हाथों के लिए 14 से अधिक बड़े अंधा सामने आते हैं। डेवलपर्स के अनुसार, 99.7% की संभावना के साथ इतनी लंबी दूरी पर इतनी राशि जीतना भाग्य के प्रभाव को बाहर करता है, अर्थात यह वास्तव में एक महत्वपूर्ण जीत है।

अब कार्नेगी मेलन विश्वविद्यालय के कार्यक्रम के डेवलपर्स ने एआई प्रशिक्षण की वास्तुकला और सिद्धांतों को समझाते हुए एक वैज्ञानिक लेख प्रकाशित किया है, जिसमें पोकर पेशेवरों को हराया गया है।

संक्षेप में, गणना को सरल बनाने के लिए, कार्यक्रम में समान हाथों (उदाहरण के लिए, राजा के लिए एक फ्लश और एक महिला के लिए एक फ्लश) और इसी तरह के दांव आकारों के द्वारा ^10,161 संभावित परिणामों को समूहीकृत किया गया। लाइब्रेटस में तीन मॉड्यूल होते हैं। पहले राउंड में खेलने के लिए (प्रत्येक स्थिति से उठाने के लिए हाथों की सीमा) पर एक विस्तृत पूर्वनिर्धारित रणनीति है। इसके अलावा, रणनीति इतनी स्पष्ट नहीं है। दूसरी रणनीति काफी हद तक खेल के पाठ्यक्रम पर निर्भर करती है, अर्थात्, कार्ड और प्रतिद्वंद्वी के व्यवहार, उसकी सीमाओं और आंकड़ों को ध्यान में रखते हुए। तीसरा मॉडल विशेष रूप से अप्रत्याशित विरोधियों, यानी लोगों के खिलाफ एक गेम रणनीति है। यह तीसरी रणनीति लगातार वास्तविक समय में अपडेट की जा रही है। यदि किसी व्यक्ति ने कार्यक्रम के लिए कुछ अप्रत्याशित पैंतरेबाज़ी की, तो उसने इसे बचा लिया और इसे अपने मॉडल में दर्ज किया, जिसने नए डेटा को ध्यान में रखते हुए खुद को सुधार लिया।

डेवलपर्स के अनुसार, अधूरी जानकारी के साथ स्थितियों में सफल काम एआई को न केवल खेलों में फायदा देता है। तथ्य यह है कि वास्तविक जीवन में ऐसी स्थितियां सर्वव्यापी हैं। लगभग सभी मानव जीवन, लगभग सभी सामाजिक और आर्थिक संबंध अपूर्ण जानकारी के साथ "खेल" हैं। इसलिए, वास्तविक दुनिया में एआई के सफल अस्तित्व के लिए उपयुक्त उपकरणों का कब्जा बेहद महत्वपूर्ण है। व्यवहार में, ऐसे कार्यक्रमों का उपयोग किया जा सकता है, उदाहरण के लिए, सुरक्षा प्रणाली, आर्थिक मॉडल, राजनीतिक मॉडल, और अधूरी जानकारी वाली अन्य प्रणालियों में प्रभावी रणनीति विकसित करने के लिए।

लाइब्रेटस कार्यक्रम में उपयोग की जाने वाली तकनीक काफी हद तक दायरे से स्वतंत्र हैं, और इसलिए उनका उपयोग अन्य अनुप्रयोगों में किया जा सकता है।

वैज्ञानिक लेख 17 दिसंबर को साइंस (doi: 10.1126 / science.aao1733, pdf ) पत्रिका में प्रकाशित हुआ था।