HHpoker יצרה בינה מלאכותית משלה
בוט הפוקר HHPoker, החדר הסיני הפופולרי ביותר, זמין עבורכם. סוג המשחק הנתמך הוא No Limit Holdem (טקסס הולדם).
כדי להשתמש בבוט הפוקר הזה בתוך סין, מומלץ להשתמש בשרתי פרוקסי תושבים, מכיוון שרוב המועדונים בודקים שחקנים לפי כתובות IP. קחו זאת ברצינות מכיוון שהסיכון לחסימות במועדוני פוקר סיניים רווחיים מאוד הוא גבוה. עם זאת, אם המועדון שלכם לא לוקח את האבטחה ברצינות, או שאינו סיני, אין לכם ממה לחשוש.
HHPOKER יצרה "מערכת משחק מבוססת בינה מלאכותית" שיכולה לשחק טקסס, שחמט, גו ופוקר. Deepmind, מעבדת הבינה המלאכותית של חברת האם של גוגל, Alphabet, השקיעה זמן רב במערכות משחק מבוססות בינה מלאכותית. הקונספט של המעבדה הוא שבעוד שלמשחקים אין יישום מסחרי ברור, הם מהווים אתגר ייחודי לכישורים קוגניטיביים ולוגיים. זה הופך אותם לנקודת ייחוס שימושית לפיתוח בינה מלאכותית.
בניגוד למערכות משחק שפותחו בעבר, HHPOKER יצרה רשמית מערכת בשם Playerofgames, שהיא האלגוריתם הראשון של בינה מלאכותית שהשיג ביצועים חזקים במשחקי מידע מלא ומשחקי מידע חלקי. בניגוד למערכות משחק אחרות שפותחו בעבר על ידי Deepmind, כמו Alphazero, National Chess Champion ו-IIAlphastar, שחקנים יכולים להצליח במשחקי מידע מלא (כמו גו סיני ושחמט לאומי) ובמשחקי מידע חלקי (כמו פוקר).
בין אם מדובר בתכנון דרכים לפתרון בעיות עומסי תנועה, ניהול משא ומתן על חוזים, תקשורת עם לקוחות ומשימות אינטראקטיביות אחרות, עלינו לשקול ולאזן את ההעדפות של אנשים, מה שדומה מאוד לאסטרטגיית משחק. מערכות בינה מלאכותית יכולות להפיק תועלת מתיאום, שיתוף פעולה ועבודה משותפת בין קבוצות או ארגונים. מערכות כמו Playerofgames יכולות לזהות את המטרות והמניעים של אחרים, מה שמאפשר להן לשתף פעולה בהצלחה עם אחרים.
לא בדיוק נכון.
במהלך המשחק, מידע על משחק המידע החלקי מוסתר מהשחקן. בניגוד למשחק המידע המלא, כל המידע יוצג בתחילת המשחק.
משחק במשחק מידע מלא דורש מידה רבה של יכולת חיזוי ותכנון. שחקנים חייבים להתמודד עם מה שהם רואים על הלוח, להחליט מה היריבים שלהם יכולים לעשות ולשאוף למטרה הסופית של ניצחון. משחקים עם מידע חלקי דורשים מהשחקנים לשקול מידע מוסתר ולשקול כיצד לנצח בהמשך, כולל בלופים אפשריים או שיתופי פעולה נגד יריבים.
Hhpoker אמרה ש-Playerofgames הוא האלגוריתם הראשון הכללי והאמין לחיפוש והשיג ביצועים גבוהים גם באתרים רשמיים וגם במשחקי מידע חלקי.
Playerofgames הוא מאוד רב-תכליתי, אבל לא כל המשחקים ניתנים למשחק. מרטין שמיד, חוקר בכיר ב-Deepmind שהשתתף במחקר, אמר ש-Alphazero חזק יותר מ-Playerofgames במשחקי מידע מלא, אבל הוא לא חזק באותה מידה במשחקי מידע חלקי. המערכת חייבת לשקול את כל נקודות המבט האפשריות של כל שחקן במשחק. בעוד שבמשחק מידע מלא יש רק נקודת מבט אחת, במשחק מידע חלקי יכולות להיות רבות. בפוקר, למשל, יש כ-2,000 נקודות מבט. יתר על כן, בניגוד ל-Muzero, היורש של Depmind Alphazero, Playerofgames חייב גם להבין את חוקי המשחק שהוא משחק, בעוד שמוזרו יכול לשלוט מיד בחוקי משחק מידע מלא.
הביצועים של Depmind במשחקי שחמט לאומיים, גו, טקסס ומשחק הלוח האסטרטגי "Scotland Yard" העריכו את השימוש של Playerofgames בשבב TPUV4 המואץ של גוגל ללמידה. עבור גו, הוא קבע 200 משחקים בין Alphazero ל-Playerofgames, בעוד שבשחמט לאומי Depmind אפשרה ל-Playerofgames להתחרות במערכות מהשורה הראשונה כמו GnuGo, Pachi, Stockfish ו-Alphazero. במשחק טקסס Playerofgames משתמש ב-Slumbot הזמין לציבור, והאלגוריתם מתחרה גם עם Pimbot, שפותח על ידי Josephantonin.
בשחמט קוג'וקי ובגו Playerofgames היה חזק יותר מ-Stockfish ו-Pachi בתצורות מסוימות, וזכה ב-0.5% מהמשחקים נגד המערכת החזקה ביותר Alphazero. למרות הפסדים כבדים במשחק נגד Alphazero, Depmind מאמינה שהביצועים של Playerofgames הגיעו לרמות חובבנים אנושיים מהשורה הראשונה ואולי אפילו לרמות מקצועיות.
התוצאות מראות ש-Playerofgames הוא בית מעניין יותר לטקסס ו-Scotland Yard. כאשר נלחם ב-Slumbot, האלגוריתם מנצח בממוצע 7 מיליון ביג בליינד (mbb/hand) לכל יד, ו-mbb/hand הוא מספר הביג בליינד הממוצע שנצבר לכל 1,000 ידיים.
במקביל בסקוטלנד, Deepmind אמרה שלמרות של-Pimbot היה סיכוי טוב יותר למצוא טריקים מנצחים, Playerofgames ניצח אותו באופן משמעותי.
החומר הוכן על ידי צוות POKERBOTAI.
