|
最近这几天也在关注这个事情, 对于机器学习, 我上研究生的时候也上过这门课, 感兴趣的朋友可以去网上看scikit-learn这个python包(这个项目也是google弄的), 随着给机器的训练数据的增大和对于计算机结果的修正, 机器会变得越来越强大, 其实不管是博弈类游戏也好, 面部识别或者自动驾驶汽车, 看似不相关的东西, 机器在学习的时候的本质都是这个.
我自己觉得人们对于解决博弈类游戏的方法有两种, 一种是纯数学意义上的解, 另一种就是通过大数据, 数据挖掘和机器学习来让机器像人一样学习, 只不过比人学习更快, 我们所有记录下来的棋局都可以成为机器学习的"养料", 虽然这种方法与数学意义上的解相比, 没那么优雅, 但就是可以通过不间断的学习, 快速的成为最厉害的人, 就是这么粗暴, 想想都可怕, 所以人输给机器也是注定的事情, 只不过这不是通过数学上的击败(围棋体量大, 现在也算不出), 而是因为机器是个拥有多个大脑, 可以不停学习的学霸.
回到扑克, 我觉得首先扑克和围棋相比, 可能就差在扑克是不完全信息游戏吧, 再一点, 如果说扑克机器人采用的是上一段中所说的第二种机器学习的方法的话, 那么就是说机器放弃完全的GTO策略(假设GTO被发现并使用), 机器应用非GTO策略的话, 那人类如果改变了策略的话, 机器如何能够及时发现呢, 我觉得想让德州扑克机器人能与世界一流扑克选手较量的话, 可能这两点是对于机器来说的难点吧, 前一阵那个德州机器人也确实完败给了人类.
所以这些新闻给我的感觉就是机器学习对于完全信息博弈游戏产生了天翻地覆的影响, 对不完全信息博弈游戏产生了不算天翻地覆, 但是也足够大的影响, 我想5年之内, 无限德州机器人不会击败一流扑克选手.
想说的就这么多吧, 我自己打牌特别差, 现在也还在学, 以上只是我自己的一些想法, 说的也可能有些跑题, 还有网络扑克室我去的不多, 我也没什么关注, 我住在湾区, 希望以后能在bay101 casino打出自己的一些成绩, 听说那里是老大@RichZhu 职业生涯走向辉煌的地方, 我也要加油! |
|