2017年年初，Brain vs AI的德州撲克人機大戰在卡內基美隆大學（CMU）落幕，由4名人類職業玩家組成的人類大腦不敵人工智慧程式Libratus。
獲勝後人類還遭到了Libratus的無情嘲諷。
但是那時候Libratus還只是個只能在一對一局裡稱霸的超級玩家，要說人類最喜歡的6人局這樣的「大場面」，當時的Libratus還沒有拿到入場券。
而就在昨天，Facebook與CMU學生Noam Brown、Tuomas Sandholm的最新研究成果——Pluribus，就在人類最常見的無限制德州撲克6人局裡，戰勝了人類頂尖選手。
跟還是不跟？高手之間的對決
論文被Sicence收錄：網頁連結
Darren Elias（1986年11月18日出生）是一名美國職業撲克玩家，曾獲得四項世界撲克巡迴賽冠軍。
在他與Pluribus的對決過程中，Darren Elias從來沒有遇到過如此不害怕的對手。
一個有經驗的撲克玩家，當有兩個J（一個面朝上，另一個藏起來，一手既不好也不壞）時，都會謹慎行事。但是Elias的對手看起來好像不知道該怎麼做。即使當Elias決定虛張聲勢（bluff），下注時看起來很有信心，而他的對手似乎在鼓勵他繼續！好像一點都沒有被嚇到。
最後，Elias的虛張聲勢沒有起作用，他輸了。
▲ Darren Elias正如Elias意識到的，Pluribus知道什麼時候該虛張聲勢，也知道別人在虛張聲勢，還知道什麼時候該改變自己的行為，這樣其他玩家就無法確定自己的策略。32歲 Elias說： 它確實做了一些人類很難做到的事情。
之前AI和人玩遊戲，要嘛是雙人遊戲，如西洋棋、跳棋等，要嘛就是雙方之間的零和博弈（一方贏一方輸），AI可以在遊戲中找到Nash equilibrium strategy（納許平衡）來保證自己不會輸。
關於Nash equilibrium strategy（納許平衡）屬於博弈論範疇（注：納許證明了，如果允許混合策略，那麼任何一個博弈，只要參與者數量是有限的、參與者可以選擇的純策略也是有限的，那麼這個博弈至少有一個納許均衡）。
以經典的「石頭剪刀布」遊戲為例，AI可以在遊戲中找到對方的弱點和常出的手勢進行學習，以達到最終的勝利，而多人撲克意味著玩家數量的增多，在更複雜的遊戲中，AI難以確定如何與納許均衡相抗衡；採用固定策略不能很快觀察到的對手的策略傾向，而且需要監控到多個玩家在遊戲中策略的轉變，這對於AI多人撲克博弈來說，是一項挑戰。
鑑於多人遊戲，如果學習多個玩家的出牌習慣等特徵的訓練資料集成本過大，這裡Pluribus採用的策略是自己與自己博弈，不使用人類對手的數據作為模型訓練的輸入。在開始時，隨機的選擇玩法，透過不斷的訓練來提升自己的性能，這裡採用的博弈策略是改良版本的迭代的蒙地卡羅CFR（MCCFR），透過自我博弈，左右手互博，自己制定了一個blueprint strategy（藍圖策略），最後對每個可能的狀況進行概率分佈統計，透過搜尋決策樹來決定下一步的行為，是叫牌還是出牌。
CFR是一種迭代的自我遊戲演算法，AI從完全隨機遊戲開始，然後透過學習擊敗早期版本的自己逐漸改進。
在演算法的每次迭代中，MCCFR指定一個玩家作為其當前策略在迭代中更新的標記。在迭代開始時，MCCFR根據當前所有玩家的策略（最初是完全隨機的）模擬一手撲克牌。一旦模擬完成，人工智慧就會回顧每一個玩家做出的決定，然後透過選擇其他可用的行動來預測這個決定的好壞程度。
▲ Pluribus玩家博弈樹
在解決不完全訊息博弈中搜尋的問題，Pluribus跟蹤每一手，根據其策略達到目前狀況的可能性。不管Pluribus實際上握著的牌，它首先會計算如何使用可能的每一手，謹慎地平衡所有的策略，以保持對於對手的不可預測性。
▲ Pluribus 中的即時搜尋
撲克以外的事
之前在一對一局中大勝人類的Libratus後來去五角大樓上班去了，國防部認為這種策略型人工智慧或許可以幫助他們進行戰略的制定。
負責 Pluribus 專案的 研究員Noam Brown說：「Pluribus的技術可以用於華爾街交易、拍賣、政治談判和網路安全這些活動中，這些活動就像撲克一樣，涉及隱藏訊息，因為你並不總是知道真實世界的狀態。」
儘管像谷歌這樣的公司，有著「Don't be evil」的信條，但是，不可避免的是這樣能夠理解人類策略的人工智慧，還是會引發大眾對於人工智慧的某種恐懼，或者說，如果這樣的人工智慧被運用到軍事決策中，將會帶來多嚴重的後果？
- 本文授權轉載自大數據文摘
▲ 圖為球鞋鑑定師「995」，圖片來源：切克
▲ 圖片來源：微博@ben與999
▲ 吐司向觀眾講解球鞋，供圖：吐司
▲ 圖片來源：
▲ 左圖-解法：洗舊迎新 推薦【天貓】
▲ 左圖-解法：讓你的夏天走到哪，狂風到哪 推薦【天貓】
▲ 左圖-解法：心有多廣世界就有多大 推薦【天貓官方】
6:54
TikTok ramps up Instagram competition as it tests copycat ‘Discover’ page, more
»
9to5Mac
在遊戲地圖中張貼了很多類似的通緝令
▲ 第一是將原本盒內的電源燈外移到盒身正面。
▲ 第二背面金屬材質變成「霧面磨砂質感」，而普通款則為亮面；第三無線充電盒的配對按鈕被置中，反觀普通款按鈕位置則是偏盒身下方。
同場加映，如何分辨一、二代 AirPods？
▲ 二代 AirPods 耳機型號認明A2031、A2032；AirPods 「無線充電版」耳機盒型號為A1938。
▲ 一代 AirPods 耳機型號為A1523、A1722；AirPods 「普通版」耳機盒型號則是 A1602。
▲ Jeff Dean 放出了自己幾十年前的懷舊畢業照相比之下，迪恩表示 30 年前自己的畢業論文就是與神經網路訓練有關，而直到如今，機器學習的相關技術才逐漸被廣泛應用。他認為導致這個變化的重要原因是硬體的進步。
▲ Jeff 認為硬體的進步是人工智慧技術被廣泛使用的原因目前 Google 在人工智慧領域的大部分業務聚焦在機器學習上。透過輸入像素、聲音、文本等資料，電腦已經可以做到「看、聽、說、理解」。
▲ 作為 Google AI 業務的掌門人，傑夫 ‧ 迪恩表示他們基於這套原則，已經審查了超過 100 個專案，並對數千名 Google 員工進行機器學習公平性方面的培訓。 
▲ 洪水預測模型的示意圖準確率高達 75% 的洪水預測模型，是 Google 今年年初公佈的新成果。這個模型建立在相當有限的資料量上，也使用了早期預測地震餘震、衛星圖像、量化火災等研究基礎。
▲ 眼底病變檢查也已經在印度等國家投入使用。
▲ Rainforest ConnectionRainforest Connection 專案也入選了「Impact Challenge」的名單。創始人 Topher White 從 5 年前開始，將舊手機改造成熱帶雨林「千里耳」，透過監測森林中伐木車和電鋸的聲音，為護林員發出即時警報。近年來，他們已經開始使用 TensorFlow 對音訊資料進行更深入的分析。
▲ ROG Strix Flare PNK LTD電競鍵盤
▲ 音量滾輸
▲ USB埠
▲ 可客製化銘版
▲ RGB背光鍵
▲ ROG Strix Fusion 300 PNK LTD耳機
▲ 虛擬7.1聲道
▲ 金屬支架
▲ 3.5mm音源孔
▲ 麥克風
▲ ROG Gladius II Origin PNK LTD滑鼠
▲ ROG Sheath滑鼠墊
▲ 滑鼠快速鍵
▲ 滑鼠線分離設計
▲ 電動車移動中不會產生碳排放，但 Ricardo 公司表示在製造過程卻沒有很環保。
▲ 針對製造過程與電池回收利用車廠已著手進行改善提升。
▲ 電量生產與穩定供給要如何達到環保也是需要克服的部分。
