กลยุทธ์

นักวิทยาศาสตร์คอมพิวเตอร์ที่อยู่ในโคโลราโดมาซูร์ทำงานในโครงการซอฟต์แวร์ต่าง ๆ ในเวลาว่าง ในปี 2549 โครงการใหม่คือโปกเกอร์ ความพยายามครั้งแรกของมาซูร์ที่บอทสร้างฤดูใบไม้ร่วงปีนั้นเป็นโปรแกรมที่เล่นกลยุทธ์ 'การวางซ้อนสั้น' เรื่องนี้เกี่ยวข้องกับการซื้อเกมด้วยเงินเพียงเล็กน้อยจากนั้นก็เล่นอย่างจริงจังหวังว่าจะทำให้ผู้เล่นแตกตื่นและขโมยเงินกองกลาง มันมักถูกมองว่าเป็นกลยุทธ์ที่น่ารำคาญและมาซูร์ค้นพบว่ามันไม่ประสบความสำเร็จเป็นพิเศษ หกเดือนที่ผ่านมาบอทเล่นเกือบห้าหมื่นมือและแพ้มากกว่า 1,000 S มาซูร์ออกแบบร่าง ธ ปท. ใหม่ซึ่งจะเล่นโป๊กเกอร์สองผู้เล่นที่ถูกทอดทิ้งอย่างถูกต้อง

“ โดยทั่วไปความรู้มากมายที่ผู้เชี่ยวชาญโป๊กเกอร์ของมนุษย์มีเกี่ยวกับวิธีเอาชนะมนุษย์คนอื่น ๆ ให้เพิกถอนความก้าวร้าว” Michael Johanson กล่าว 'กลยุทธ์ก้าวร้าวที่สร้างแรงกดดันให้กับคู่ต่อสู้ทำให้พวกเขาทำการตัดสินใจที่ยากลำบากและมีประสิทธิภาพมาก เมื่อมนุษย์เล่นบอทจะพยายามเลียนแบบพฤติกรรมนี้และผลักดันคู่ต่อสู้ให้ทำผิด ดูเหมือนว่าบอทจะมีประโยชน์มากมายจากการลอกเลียนแบบพฤติกรรมของมนุษย์ บางครั้งมันยังจ่ายเงินเพื่อคัดลอกข้อบกพร่องของพวกเขา เว็บไซต์โป๊กเกอร์จะแบนใครก็ตามที่พวกเขาสงสัยว่าใช้ผู้เล่นคอมพิวเตอร์ ยังไม่พอที่จะมีบอทที่สามารถเอาชนะมนุษย์ได้ มาซูร์จะต้องมีบอทที่สามารถมองมนุษย์ในขณะที่ทำมัน

ด้วยโปรแกรมคอมพิวเตอร์ที่ทำความสะอาดหมากรุกแบบร่างและตอนนี้โป๊กเกอร์อาจเป็นการล่อลวงให้โต้แย้งว่ามนุษย์ไม่สามารถแข่งขันในเกมดังกล่าวได้อีกต่อไป คอมพิวเตอร์สามารถวิเคราะห์ข้อมูลได้มากขึ้นจดจำกลยุทธ์มากขึ้นและตรวจสอบความเป็นไปได้มากขึ้น พวกเขาสามารถเรียนรู้ได้นานขึ้นและเล่นได้นานขึ้น บอทสามารถสอนตัวเองได้ว่ากลยุทธ์ 'มนุษย์' อย่างเช่นทู่ ๆ และแม้แต่มนุษย์ธรรมดาถึงกลยุทธ์ยังไม่ได้เห็น ดังนั้นมีอะไรที่คอมพิวเตอร์ไม่ดีเหรอ?

เซเฟอุสได้แสดงให้เห็นว่าแม้ในสถานการณ์ที่ซับซ้อนก็เป็นไปได้ที่จะหากลยุทธ์ที่ดีที่สุด นักวิจัยชี้ให้เห็นถึงสถานการณ์ที่หลากหลายซึ่งอัลกอริธึมดังกล่าวอาจเป็นประโยชน์ตั้งแต่การออกแบบลาดตระเวนชายฝั่งไปจนถึงการรักษาพยาบาล แต่นี่ไม่ใช่เหตุผลเดียวสำหรับการวิจัย ทีมได้จบบทความวิทยาศาสตร์ด้วยการอ้างจาก Alan Turing: 'เราจะไม่เห็นด้วยกับเราที่จะปกปิดความจริงที่ว่าแรงจูงใจหลักที่กระตุ้นการทำงานคือความสนุกของสิ่งนี้'

บางส่วนของผลการวิจัยเรียงรายไปด้วยภูมิปัญญาดั้งเดิม ทีมแสดงให้เห็นว่าในการเล่นโปกเกอร์เฮดเดอร์ตัวแทนจำหน่ายซึ่งเป็นผู้ได้เปรียบก่อนเช่นเดียวกับไพ่ พวกเขายังพบว่าเซเฟอุสแทบจะไม่มี 'Limps' และเลือกที่จะเพิ่มหรือพับในการไปครั้งแรกมากกว่าเพียงแค่เรียกการเดิมพันของคู่ต่อสู้ ตามที่ Johanson บอทได้ตีกรอบกลยุทธ์ที่เหมาะสมมันก็เริ่มมีกลยุทธ์ที่คาดไม่ถึง 'ทุกขณะนี้จากนั้นเราจะพบความแตกต่างระหว่างสิ่งที่โปรแกรมเลือกและสิ่งที่ภูมิปัญญาของมนุษย์พูดว่า' ตัวอย่างเช่นรุ่นสุดท้ายของเซเฟอุสเลือกที่จะเล่นจะพับ

ก่อนหน้านี้ผู้เล่นจับคู่เพื่อเข้าร่วม Polaris ในรุ่นขีด จำกัด ของ Texas hold'em มีการแข่งขันทั้งหมดสี่นัดแผ่กระจายไปทั่วสี่วัน สองคนแรกไปไม่ดีสำหรับโพลาริสด้วยการดึงหนึ่งครั้งและอีกชัยชนะสำหรับมนุษย์ แต่คราวนี้มนุษย์ยังทำไม่สำเร็จอย่างรุนแรง Polaris ชนะการแข่งขันสองนัดสุดท้ายไปพร้อม ๆ กับการแข่งขัน ในขณะที่ Polaris 2.0 ล่องลอยไปจากกลยุทธ์ที่ดีที่สุดในการใช้ประโยชน์จากฝ่ายตรงข้ามความท้าทายต่อไปสำหรับทีม Alherta คือวิธีการสร้างความร้อนที่ไม่อาจเอาชนะได้อย่างแท้จริง...

Polaris 2.0 ยังให้ความสำคัญกับการเรียนรู้มากขึ้นในระหว่างการแข่งขัน bot woluld พัฒนาแบบจำลองของคู่ต่อสู้มันจะระบุประเภทของกลยุทธ์ที่ผู้เล่นใช้และปรับแต่งเกมเพื่อกำหนดเป้าหมายจุดอ่อนผู้เล่นไม่สามารถเอาชนะ Polaris ได้โดยการอภิปราย กลวิธีระหว่างเกมที่ Laak และ Eslami ทำเพราะ Polaris จะเล่นแตกต่างกันกับแต่ละเกมพวกเขาหรือมนุษย์จะได้ประโยชน์จากการเปลี่ยนสไตล์การเล่นของตัวเองถ้า Polaris สังเกตว่าฝ่ายตรงข้ามได้เปลี่ยนกลยุทธ์บอทจะปรับตัวเข้ากับเกมใหม่ ยุทธวิธี Michael Bowling,...