在CMU对话德扑AI团队：解密1+2技术架构，不攻反而不败

本文转载自量子位  | 公众号 QbitAI
舒石 希拉 发自 CMU

https://v.qq.com/txp/iframe/player.html?vid=b1315xqzln8&width=500&height=375&auto=0△ Sandholm教授：冷扑大师，来了~

放下想赢的执念后，AI赌神再没输给人类。

这个AI赌神拉丁名Libratus，中文名冷扑大师。今年1月，它在美国战胜四位顶级人类德扑玩家，赢得176万美元(虚拟货币)。

如今冷扑大师应创新工场李开复的邀请，来到国内，将与6位龙之队高手展开六天鏖战。

为此几天之前，量子位前往美国宾州匹兹堡卡内基梅隆大学(CMU)，独家对话Libratus的两位创造者：Tuomas Sandholm教授和他的博士生Noam Brown。

这两位人工智能领域的杰出学者，向量子位讲述为何Libratus能在扑克人机大战中战胜了人类，这套强大的系统到底基于什么架构、什么技术，又是如何训练、成本几何……

推倒重来

春天的匹兹堡，时晴时雨，温度变化剧烈。

走进卡内基梅隆大学Gates-Hillman Center，位于九层的Tuomas Sandholm教授办公室非常显眼：门口张贴着一张今年1月德扑人机大战的红色海报。

△ 办公室门口的海报

“开战之前，我完全不知道结局会怎么样”，Sandholm用带着芬兰腔的英语说，当时他感觉五五开，但Libratus的胜算稍大一些。不过线上赌博网站可不这么看，他们开出大约1:5的赔率，认定Libratus也将倒在匹兹堡的河流赌场里。

也将？没错。Libratus不是凭空而生，2015年4月它的前身Claudico正是在同一个赌场里，败给四位人类高手。当年Sandholm也认为有五五开的胜率。

2014年8月，刚刚完成硕士学业的Noam Brown继续留在CMU攻读计算机科学的博士学位。当年，他和老师Sandholm一起开发出德扑AI：Tartanian7，以及后续版本Baby Tartanian8。并且连续赢得电脑扑克大赛的冠军(电脑对抗电脑)。

如同外界所期望的那样，他们开始推动德扑人机大战。

在两年前那次时长两周的人机对抗中，Claudico累积输掉73.2万美元(当然也是虚拟货币)，和四位人类顶级玩家交锋8万手。

2017年1月11日，全新的Libratus卷土重来。还是四位人类对手，不过时长变为20天，累积交锋12万手。这次德扑AI没给人类玩家机会，一路以碾压的态势豪取胜利。Libratus对四位人类高手的领先优势是：14.7个大盲注/百手(14.7bb/h)。

“一般领先5-10bb/h就肯定是赢了”，Brown对量子位说。

从完败到完胜，Claudico经历了哪些提升，才得以成长为Libratus？对于这个问题，两位开发者的回答是：Libratus不是迭代而来，而是推倒重来。

一个全新的德州扑克AI。

看不透的高手

在德扑这件事上，Libratus没有师父。

Sandholm和Brown只告诉AI基本的德州扑克规则，然后Libratus就开始通过“左右手互搏”的方式学习这个扑克游戏。和AlphaGo不同，在人机大战之前Libratus没有研究过人类如何打德州扑克，也没有和人类职业玩家有过交手。

在投入实战之前，Libratus自己对战了几百万手牌，其中有不少是带有特定目的的残局，真正机器和机器之间的交手，大约是几十万手。

所以，AI形成了一种与人类迥然不同的牌风。

“在德扑比赛中，顶级高手会尝试寻找对手的弱点，并展开攻击”，创新工场AI工程院技术VP李天放说。李天放既有技术背景，也是一名德扑高手。

Dong Kim是今年1月德扑人机大战中的一位人类选手，这位28岁的韩裔美国人回忆说，每一天Libratus都会进步，人类选手很难找到它的弱点或漏洞。即便找到一个，第二天就会消失不见。这让他感到绝望。

但也许他根本就感觉错了。“有人类玩家说找到了漏洞，其实不一定”，Brown对量子位说：“这可能是Libratus的一种战术，去搅乱对手的策略”。

△ Brown身后是他的电脑

不能用人类的思维去衡量AI。让Sandholm记忆犹新的是，1月的德扑人机大战进行到尾声，当时AI早已遥遥领先，所有人都认为Libratus会趋近于保守。

“但它反而越来越激进”，Sandholm说特别是最后几局，非常出人意料。

比方，为了一个很小的底池推了All in，或者下注额只有底池的十分之一。“有时候Libratus的策略会被认为是臭手”，但事后复盘Sandholm说这个德扑AI尝试了很多令人叫绝的方法，其中包括各种策略的诈唬。

诈唬也不是人教的，而是机器自己学会的。

怎么学？“诈唬是特别重要的技能，系统在学习中发现，如果有一手烂牌，直接诈唬能赢更多，所以它就学会了”，Brown告诉量子位。

“这就是AI特别奇妙的地方”，Brown坐在自己CMU标配的上一代Aeron座椅上说，“很多人看到Libratus能诈唬，觉得很了不起”，但在这位博士的眼中，诈唬这种看似与心理有关的人类技能，机器是可以通过算法学会的。

打开AI的大脑

为什么Libratus能比前代更厉害，进步在何处？Brown举了两个例子。

比如，对于K-High Flush(最大牌为K的同花)和Q-High Flush(最大牌为Q的同花)，这两手牌对于Claudico来说是等值的，而Libratus则会做一个精确的区分。实际上，Libratus会对每一手牌进行单独的处理，根据不同的牌面制订出不同的战略。

再比如，对于250元的下注，是当成200元还是300元来计算？那么249或者251呢？实际上，Libratus不会尝试聚类，而是马上实时计算，得出胜算最大的策略。

△ Sandholm讲解冷扑大师

Sandholm则从全局的角度，打开Libratus的大脑，向量子位逐一讲解了构成这个扑克AI的三个主要模块。其中一个用于赛前，两个用于赛中。

模块一：Nash equilibrium approximation before competition(赛前纳什均衡近似)

这个模块把最重要的博弈信息进行抽取，比如针对某一手牌对应的战略，然后再应用强化学习等方法，继续寻求提高和改进。这里使用了一个新的算法：蒙特卡洛反事实遗憾最小化。在这个模型的帮助下，Libratus自己学会了德扑，而且比以前速度更快。

模块二：Endgame solving(残局解算)

这是Libratus最重要的部分，Sandholm说。实际上Claudico也有这个模块，但那个版本几乎不起作用。而新的版本不会再给对手留下漏洞，这个过程不断进行，对手新出一招后，会继续展开新的残局解算，这被称为Nested Endgame Solving。

德扑这类不完美信息博弈，不能拆解为可以独立解决的子博弈。所以Libratus采用的残局解算的方法应对，想进一步深究，可以查看Brown和Sandholm的论文。

模块三：Continual self-improvement(持续自我强化)

比赛中人类高手会寻找Libratus的漏洞，并展开有针对性的攻击。这个模块的作用就是发现问题所在，找到更多细节进行自我强化，然后得到一个更好的纳什均衡。

“三个模块都用了新的算法”，Sandholm说第一个模块的新算法能够抽取更多的细节，而且比原来的算法更快；第二个模块的算法是全新的；而第三个模块则有一个全新的理念，有点类似于：防守是最好的进攻。

Libratus不再寻求发现并利用人类对手的漏洞，相反，这个AI开始观察人类发现了它什么弱点，然后有针对性的弥补和提升。于是Libratus的弱点越来越少，直到人类玩家沮丧的发现，想要赢下比赛变成一件几乎不可能完成的任务。

不主动进攻就很少露出破绽，李天放说跟Libratus对战就像打一堵墙，最好的结果可能就是打个平手，基本不可能获胜。纳什均衡本身，追求的就是一种平衡。

Libratus是一个防守大师。

深度学习不是唯一

与围棋大师AlphaGo相比，Libratus有很多不同之处。其中就包括：Libratus并没有使用目前相当火热的深度学习技术。

“深度学习是个非常好的技术，但我们没有在这个项目应用，是因为深度学习不能给出绝对的保证。比方识别猫的图像，对于给定的图片能得出95%是猫，但也不是绝对的保证，而我们的算法，能够保证最优异的结果”，Sandholm说。

当然也有团队在用深度学习来搞德扑AI。

来自加拿大阿尔伯塔大学、捷克布拉格查理大学和捷克理工大学的研究人员，基于深度学习技术开发出德州扑克人工智能DeepStack。

对于两个德扑AI来说，还没有更好的比较方法，目前只能说Libratus击败的对手，要比DeepStack的对手水平更高。其他这里不展开讨论了，这个团队也发表了相关的论文。

“对这一类型的任务，我们的方案比深度学习更好”，Sandholm对量子位表示，目前深度学习的方案实际上没有解决问题，而Libratus这个系统“时间越长，越能接近完美”。

对于这个问题，我们询问了CMU机器学习系的邢波教授，他指出还不应过早的下结论说：深度学习就是机器学习的未来。

“Sandholm教授其实不是做深度学习的，他用的方法实际上被认为是是传统的AI，但是可以达到这么强大的功能”，邢波对量子位表示这是一个有力的证明：人工智能并不等于深度学习，很多新的方法需要探索和了解。

技术的争论还需更多的时间。

△ CMU校园一角

其实对于Noam Brown来说，研发Libratus的过程中“最难的问题，是必须有一个全局的观念。但这是个庞大的系统，需要从计算和解决问题的角度考量，而不是仅从博弈的角度。在这个过程中，怎么把问题描述出来，是最大的挑战”。

而Tuomas Sandholm来说最大的挑战，就是只两个人，要干所有的活儿。

成本几何

包括杜悦(龙之队队长)在内，都很关心Libratus的成本。

成本背后关联着诸多实际的问题，例如距离实际应用还有多远，或者距离人工智能毁掉德州扑克这个游戏还有多久。

应量子位的要求，Brown估算了一下说：想要运行Libratus，最低只要50个笔记本就够了。他进一步解释说，一对一的无限注德扑比赛，每手需要50个CPU进行运算。暂且不管响应速度如何，至少已经能够完成计算。

“这个算法还可以被优化，而且计算硬件的提升，未来我觉得手机可能上就能运算”，Brown估计说可能五年内一部手机就能搞定一切了。

而对于他的老师Sandholm来说，成本计算要复杂得多。

首先他把这看成一场为期13年的挑战，之前所有的探索和努力，才最终成就了今天的Libratus。Sandholm估计过去这些年，仅支付给学生的工资就得有1000万美元。而Brown只是诸多学生中的一个。

其次具体到Libratus，眼下主要是运行成本。

运行这个德州扑克AI赌神，需要匹兹堡超算中心的Bridges超级计算机。今年1月人机大战之前，Libratus在超算上的训练成本是1500万核小时(core-hour)，比赛期间耗用1000多万核小时，总共耗用1900万核小时计算资源。

“我们用的服务器有28个核，所以一个服务器运行一小时就是28核小时，如果在亚马逊云服务上大概要1-3美元”，Sandholm说他们一共用了上百台服务器。

△ Nystrom介绍匹兹堡超算中心

匹兹堡超算中心高级研究总监Nick Nystrom向量子位证实，Libratus使用了150台服务器。但由于是研究型项目，Sandholm其实并不需要支付费用。

对于笔记本上运行Libratus的可能性，Sandholm笑称可以搞一套简化系统装在笔记本上，但也只能变成一个有趣的小培训。无论如何，Sandholm表示普通人“想要使用这套系统肯定不容易”。

与之相比，DeepStack的训练使用了175 个core-years。不过据说DeepStack在比赛期间，只需要一台笔记本就够了。

未来何往

德扑AI的牌技还能更好么？

当然，Sandholm说肯定存在进步空间。杜悦很关心Libratus距离扑克之神还有多远，何时能达到GTO(博弈理论中的最优化策略)。

对于这个问题，Brown猜测Libratus与GTO之间的差距是15bb/h，而Libratus本身的牌技可以提升到50bb/h的水平。而Sandholm则说“没人知道Libratus能走多远”。Brown坦言他不会再对这个德扑AI进行优化，他正面临博士毕业的选择。

现在这个德扑AI只能玩一对一的德州扑克，尽管可以同时处理多场，每场也只能是一对一。还会做一对多的升级么？

△ Sandholm与量子位交流

“我们有一些想法”，Sandholm告诉量子位，目前Libratus基于的纳什均衡理论，主要针对两个人博弈的情况。“如果变成三个人博弈，纳什均衡理论是不是适用，现在我还不是很清楚”，Sandholm说多玩家系统，第一个模块如何界定是个难题。

不过仅仅是一对一的德扑AI，也有相当的商业前景。

“现实世界充斥各种不完美信息博弈，例如企业之间的商业谈判，网络安全，医疗方案的制订等”，Sandholm正考虑如何进一步释放Libratus的能量。

“我最喜欢的商业用途当然是商业谈判，可以通过人工智能来实现在最合适的时间，以最合适的价格找到最合适的供应商”，卡内基梅隆大学计算机科学学院Andrew Moore院长近日接受腾讯科技/新浪科技采访时，这样展望Libratus的未来。

现在Sandholm教授已经拿到NSF(美国国家科学基金会)一笔为期三年的新投资，用以资助他继续基于Libratus展开相关研究。现在Sandholm教授也在推进一项针对T细胞的医疗研究，把癌细胞注入小白鼠，看看他们的治疗方案是不是正确。

无论未来Libratus如何，Sandholm会继续在博弈的道路上前进。

Sandholm已经在人工智能和自动谈判领域，研究超过28年。他在这方面最早的成绩，还要追溯到1989年前后，当时他做了一套自动为卡车司机谈判并分配任务的系统。

比赛看点

最后，再聊聊即将开战的冷扑大师vs龙之队。

对于这场比赛，李开复日前在IT领袖峰会期间表示，龙之队的胜算为10%。不过，Sandholm眼中这个概率只有5%。

“战无不胜”，Sandholm现在用这四个字形容Libratus。在他看来，德扑AI的水平在人类最好的玩家之上。

但为什么还是给出5%这个数字呢？他的理由是：这次的对抗只打36000手。

“几乎可以肯定人类有机会赢。而且会有蛮大的机会可以赢。双方博弈的手数越多，强大一方获胜的可能性越大；手数越少，弱小的一方获胜的可能性越大”，Sandholm说。比如只打一手牌，双方不论实力差距多大，弱小的一方都有50%的机会能赢。

△ Sandholm坐在电脑前

除了胜负，这场对抗还有什么看点呢？

第一，德州扑克是不完美信息的博弈，跟跳棋、围棋等比赛完全不一样。有很多你无法想象的要素，都会影响赛局的结果。

第二，整个博弈是诈唬、下注等环节的完美平衡，冷扑大师需要应用这些手段，让对手完全无法推测自己手上持有什么牌。

第三，冷扑大师会有非常不同寻常的下注，是德州扑克中从来不会出现的大注和小注，也会搞donk betting，即反主动下注。最后这个德扑术语的意思是，原本跟注的玩家在下轮牌发出来后抢先下注。

“这个德州扑克AI并不会线性发展，可能在下一手牌的时候，突然变得非常冒进”，Sandholm对量子位表示。

所以，拭目以待吧。正如开头那段视频所说：“冷扑大师，来了”。

参考论文

对Libratus技术感兴趣的同学，可以参考如下论文：

《Safe and Nested Endgame Solving for Imperfect-Information Games》

《Dynamic Thresholding and Pruning for Regret Minimization》

获取论文地址，请在量子位公众号(ID：QbitAI)对话界面，回复：“德扑论文”四个字。

线下交流

4月8日，量子位还特别邀请创新工场AI工程院技术VP李天放，联想智慧医疗CEO林林等既懂人工智能又懂德州扑克的高手，展开一场线下交流活动。

报名请扫码：

量子位招聘

量子位正在招募编译、编辑、记者、市场、运营等多个岗位，工作地点在北京中关村，期待你的到来，一起体验人工智能的风起云涌。

相关细节，请关注量子位微信公众号并进入对话界面，回复：“招聘”两个字。

扩展阅读：