继“阿尔法狗”之后 人工智能系统又击败四名德州扑克职业选手

简介:

卡内基梅隆大学(CMU)的人工智能系统在匹兹堡20天的单挑扑克锦标赛上击败四名职业老手。该人工智能(AI)系统名为Libratus AI。Libratus AI具有策略推理功能,其计算能力可处理10的160次方的可能信息集合,该数目是单挑不限注德州扑克游戏具有的信息集合数。

继“阿尔法狗”之后 人工智能系统又击败四名德州扑克职业选手

Libratus由计算机科学教授Tuomas Sandholm和计算机科学博士生Noam Brown开发。Libratus在匹兹堡超级计算中心的桥牌计算机里运行。

据Sandholm和Brown称, Libratus的取胜并不是靠运气。Sandholm 表示,“ 顶级AI在不完整信息的情况下进行策略推理的能力已经超过了人类里的佼佼者。”

要击败Dong Kim、Jimmy Chou、Daniel McAulay和Jason Les四个专业牌手,Libratus必须在不知道其他牌的情况下作出决定,同时还要确定对手何时是在使诈。

卡内基梅隆大学表示,Libratus用了匹兹堡超级计算中心桥牌计算机846个计算节点的约600个计算节点的功力。该桥牌计算机的速度是每秒1.35 Petaflop,大约是高端笔记本电脑的7250倍,其内存为274 TB。

Sandholm表示,“每天赛事后,Libratus会用一种元算法分析其他专业牌手在Libratus策略里找到和利用过的漏洞。”

另外,Sandholm表示,“Libratus每天晚上然后会对漏洞按优先程度分级并利用超级计算机修补前三个漏洞,这种做法和以前在扑克游戏里用到的学习方法非常不一样。”

Sandholm称,“在研究人员开发的算法里,典型的做法通常是试图利用对手的弱点。与之相比,Libratus则是每天在算法上修补我们策略里的漏洞。”

据CMU计算机科学院计算机系主任Frank Pfenning介绍,Libratus可用于各种存在不完整信息的领域及对手有意散步非真实信息的领域,诸如商务谈判、军事策略、网络安全和医疗规划等领域都可以受益于自动决策。

Pfenning表示,“电脑若不会用虚张声势的策略就赢不了扑克游戏。开发一个会玩扑克游戏的人工智能系统在科学上是一个巨大的进步,可以在许多领域用得上。想象一下,有朝一日手里智能手机可以在买新车时砍价。当然还有许多别的用法。

“看看这场比赛,玩扑克的程序最终超越了人类最好的玩家,令人振奋。这些成就里的每一个都是我们对智能的理解的重要里程碑。”Pfenning表示。

而CMU在以前Watson和深蓝的开发过程中出过力。Watson是IBM的人工智能系统,曾在电视问答节目Jeopardy!里击败过人类对手。IBM的深蓝曾于1997年击败过国际象棋大师Garry Kasparov。

据悉,人工智能开发是卡耐基梅隆大学优先发展的重要项目。卡耐基梅隆大学称,去年11月获全球高盖茨律师事务所(K&L Gates LLP)1000万美元的捐助,用于建立一个主要研究人工智能伦理的新研究中心。

其时,卡耐基梅隆大学校长Subra Suresh表示,影响下一个世纪的不仅仅是技术。Suresh表示,“人类如何与科技互动、我们如何预测未来及如何应对由我们所做的导致的意想不到的后果、以及如何确保科技用于造福人类(在个人和社会的层面上),所有这些的都将对我们的未来产生重大影响。”

Suresh还表示,卡内基梅隆大学在人工智能、脑科学、网络安全、机器人技术方面在过去和现在都处于领导地位,可以说卡内基梅隆大学拥有探究上述各种话题的“独特地位”。

另据悉,上个月初,名为DeepStack人工智能系统的研究人员称,DeepStack算法是首个击败单挑不限注德州扑克游戏专业玩家的程序。

去年3月,谷歌子公司DeepMind旗下的AI AlphaGo在五场制人机围棋大战里击败九段棋士李世乭。



原文发布时间为:2017年2月2日

本文作者:李超

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
2月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
340 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
1月前
|
人工智能 IDE 开发工具
拔俗人工智能辅助评审系统:如何用技术为“把关”提效
人工智能辅助评审系统融合大模型、提示工程与业务流程,实现上下文深度理解、场景化精准引导与无缝集成。通过自动化基础审查,释放专家精力聚焦核心决策,提升评审效率与质量,构建人机协同新范式。(239字)
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
拔俗AI人工智能评审管理系统:用技术为决策装上“智能导航”
AI评审系统融合NLP、知识图谱与机器学习,破解传统评审效率低、标准不一难题。通过语义解析、智能推理与风险预判,构建标准化、可复用的智能评审流程,助力项目质量与效率双提升。(238字)
|
6月前
|
人工智能 架构师 算法
人工智能+:职业价值的重构与技能升级
当“人工智能+”成为产业升级标配,职业价值正被重新定义。这并非简单岗位替代,而是人机协作新模式的诞生。AI接管重复性任务后,从业者可专注创造性活动,职业“含人量”不降反升。未来高价值岗位集中在技术赋能、场景创新与价值监督三层面,需跨界人才、流程架构师及伦理师等新角色。把握机遇需重构学习逻辑,强化人机协作实训与伦理素养,发展放大人类独特性的能力,构建不可替代的“人类+”优势。
|
6月前
|
人工智能 搜索推荐 算法
人工智能+:职业技能培训的元命题与能力重构
本文探讨“人工智能+”时代职业技能培训的核心命题,强调在技术赋能前需明确人与AI的能力边界。培训应聚焦三大方向:一是定位人机协同的底层逻辑,认清人类独特价值;二是培养价值判断力,避免盲目应用技术;三是重构能力模型,强化架构思维、批判性使用能力和持续进化能力。最终目标是培养“人类首席官”,成为技术生态中清醒的价值主导者,实现从认知到行动的闭环转化。
|
11月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
937 55
|
10月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
544 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
7月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
1110 62
|
6月前
|
人工智能 算法
我国“AI+X”跨界人才培养:如何通过职业技能培训,把握人工智能就业机遇?
在“AI+X”时代,人工智能与各行业的深度融合正在重塑职业图景和人才标准。跨界能力成为核心竞争力,要求从业者既能将专业问题转化为AI可理解的框架,又能将技术输出转化为实际业务价值。这推动了职业技能培训从单一技术传授向复合能力培养转型,强调知识架构重组、场景化学习和伦理判断力培养。个人发展需构建“认知-实践-认证”的闭环路径,持续更新技能以适应快速迭代的技术环境。未来属于既懂行业本质又能驾驭技术的跨界者,他们将成为推动社会进步的关键力量。职业技能培训的使命在于赋能学习者,在技术与人文之间找到平衡,实现从专业从业者到领域创新者的蜕变。
|
6月前
|
机器学习/深度学习 人工智能 搜索推荐
什么叫生成式人工智能?职业技能的范式转移与能力重构
生成式人工智能(Generative AI)是AI领域的重要分支,其核心在于通过学习数据分布生成新内容,如文本、图像、音乐等。与传统判别式模型不同,生成式AI基于深度学习技术(如Transformer架构),展现出“创造力”,但其本质仍是概率计算的结果。它正在重塑内容创作、编程、设计等多个职业领域,推动职业技能的范式转移。 掌握生成式AI需要理解其技术原理、能力边界及伦理挑战。职业技能培训应聚焦提示设计、结果评估和混合创作三大能力,帮助从业者在人机协作中发挥主导作用。未来,生成式AI将向多模态、个性化发展,而人类的独特价值在于为技术注入人文关怀与道德框架。

热门文章

最新文章