人類不斷開發人工智能（AI），讓它們在遊戲中與人類博奕，從國際象棋的「深藍」到圍棋的 AlphaGo，每一次 AI 擊敗人類都會引起害怕它們將超越人類的憂思。最新被 AI 攻陷的戰場是德州撲克，分別有兩支開發團隊在連續對賽中賭贏人類撲克高手。
第一場是在去年 12 月，名為 DeepStack 的 AI 先拔頭籌，由加拿大阿爾伯塔大學及捷克兩所大學的團隊共同研發，團隊日前在「科學」期刊發表了相關詳情。在一個月後，另一個由美國卡內基美隆大學開發的人工智能 Libratus，也在賭枱上做出驚人成績。他們努力不懈要 AI 擊倒人類撲克玩家，到底 AI 攻陷撲克意義何在？「自然」期刊日前就作出精簡分析：
1. 為何 AI 研究者要關注撲克？
撲克與以往的對奕遊戲不同之處在於，撲克比棋盤遊戲更加複雜。撲克玩家並不知道對方底牌，要在不完全掌握局面資訊下制定策略，需要考慮對手可能擁有甚麼手牌，及考慮對手會如何猜度自己有何手牌。「不完全資訊」遊戲更貼近日常生活會遇到的處境，例如投標與金融談判。撲克便是 AI 在此領域的試金石，而這次 DeepStack 與 Libratus 挑戰的是無限注的雙人德州撲克。
2. 戰況如何？
DeepStack 在去年 11 月，與 11 名專業玩家對局，當中擊倒了 10 名對手，每位對手均進行了 3,000 局。Libratus 則於本年 1 月，與 4 名專業玩家對賭了總共 12 萬局，電腦最終贏了約 180 萬美元的法碼。
3. 演算法背後的數學理論是甚麼？
兩款 AI 均以不落敗為目標，無論有多少的對手。而因為一對一的撲克是零和遊戲，即一方得逞另一方便會損失，博奕論中便涉及這種策略。人類玩家可乘對手出錯而大勝對方，但 AI 的策略卻更加穩紮，不會受突如其來的舉動動搖。
先前的撲克遊戲演算法一般是運用「遊戲樹」來計算遊戲的所有可能局面，但涉及的數目非常巨大，可達 10160 ，逐一計算近乎不可能。研究者會對比當下與先前已計算過的局勢，以最接近的答案來應對局面。
4. 兩者的策略有何分別？
DeepStack 正是利用與 AlphaGo 相同的方法——「深度學習」（deep learning），參考神經網絡發展出的技術，電腦本身從過百萬種遊戲局勢中，從經驗中找出最佳的結果，減少電腦所需計算的可能性，即時決定。另一邊 Libratus 的團隊則尚未完整公布背後的程式理論。目前所知，它也涉及「學習」的元素，但沒有使用神經網絡，主要靠強化學習，利用已計算的機會率，強調「除錯」，從錯誤中制定策略。
5. 他們可以「唬人」？
可以。一般人看來在下注中「唬嚇人」（虛張聲勢）是帶有人性；但對於電腦而言，在牌局上虛張聲勢只是數學運算的事，以確保玩家的下注模式和牌面不會被對手看穿。
6. 哪一款 AI 更強？
兩款 AI 目前都有極高得勝率，Libratus 已進行的對局數目比 DeepStack 多很多，但因為 DeepStack 的設計本身能以較少局數來「學習」；而 Libratus 能戰勝比 DeepStack 的對手強的專業玩家；平均而言， DeepStack 則以較大比數勝出。
DeepStack 研究團隊中的阿爾伯塔大學電腦科學家 Michael Bowling 強調，AI 對賽是有限制，勝方不必然是較佳的機器，也許其中一方的程式意外擊中對手的策略漏洞，但不必然是某一款策略的漏洞較多。
7. 兩款 AI 會互相對賭嗎？
這是有可能的，但癥結在於兩者的運算能力有所不同，難以找出雙方同意的遊戲規則。DeepStack 的研究團隊表示期望與 Libratus 對賭，而 Libratus 團隊則表示他們希望 DeepStack 能先擊倒團隊早期和較弱的 AI 「Tartanian8」。
8. 網上德州撲克將要完結？
大多網絡德州撲克賭場是禁止使用電腦參賽。不過，頂級的專業玩家亦開始著力鑽研對抗 AI 的技術。
9. 下一步是甚麼？
下一步理所當然是要挑戰多人對賽。目前兩款 AI 只是應用在單對單的零和賭局，假如有多於兩者玩家，情況就更為複雜，因為其中一名對手的失誤，可能另一名對手得益。DeepStack 方面表示已應用相似的方法來進行三人對賽，初步的成績卻令他們有所驚喜。
另一方面，科學家希望即使不提供遊戲的規則下，AI 也能自行摸索出來，使其具備更高的自我學習和解難能力。這才更符合真實世界人類所面對的疑難，如在金融世界與網絡保安等領域。
