AI εναντίον ανθρώπων – Μπορεί η τεχνητή νοημοσύνη να κερδίζει σταθερά τους επαγγελματίες του πόκερ;

Η τεχνητή νοημοσύνη και οι δυνατότητές της, είναι ένα θέμα το οποίο συναρπάζει τους ανθρώπους εδώ και δεκαετίες, πολύ πριν δημιουργηθούν οι σημερινές πολύ δυνατές πλατφόρμες, όπως το ChatGPT. Ένας από τους τομείς που πάντα μοιάζει να εξιτάρει τη φαντασία έχει να κάνει με το ποιος θα κερδίσει σε περίπτωση μιας κόντρας ανθρώπων με μηχανές σε διάφορες δραστηριότητες που απαιτούν σκέψη.

Χαρακτηριστικό είναι ότι η πρώτη επίσημη αναμέτρηση ανθρώπου και υπολογιστή σε αγώνα σκάκι έγινε το μακρινό 1957, όταν ο Alex Bernstein και η ομάδα του δημιούργησαν το πρώτο πρόγραμμα που μπορούσε να παίξει ένα στοιχειώδες παιχνίδι σκακιού στοn IBM 704, που ήταν ο πρώτος υπολογιστής μαζικής παραγωγής. Φυσικά, η πιο διάσημη αναμέτρηση, έγινε το 1997 όταν ο Deep Blue της IBM νίκησε τον Γκάρι Κασπάροφ, που τότε ήταν παγκόσμιος πρωταθλητής! Αντίστοιχες κόντρες άρχισαν να γίνονται και σε άλλα παιχνίδια, όπως το πόκερ.

Και με την άνοδο που έχει σημειώσει τα τελευταία χρόνια η αγορά των διαδικτυακών καζίνο, όπως το hitnspin greece, που έχει χιλιάδες παιχνίδια και πληθώρα από μπόνους, το θέμα του αν η τεχνητή νοημοσύνη μπορεί να νικήσει τους ανθρώπους σε μια τέτοια αναμέτρηση, έχει έρθει ξανά στην επιφάνεια. Για την ιστορία, να σημειώσουμε ότι η πρώτη αναμέτρηση μεταξύ ανθρώπου και υπολογιστή σε πόκερ έγινε το 2007, στο Πανεπιστήμιο του Άλμπερτα στον Καναδά, όπου το πρόγραμμα Libratus αντιμετώπισε επαγγελματίες παίκτες σε Limit Texas Hold’em.

Ωστόσο, η πρώτη καθαρή νίκη υπολογιστή, ήρθε το 2017 όταν το πρόγραμμα Libratus του Πανεπιστημίου Carnegie Mellon κατάφερε να κερδίσει τέσσερις επαγγελματίες παίκτες σε παιχνίδι No Limit Texas Hold’em, το οποίο είναι πολύ πιο περίπλοκο. Η αναμέτρηση διήρκεσε 20 ημέρες και ο υπολογιστής είχε καθαρό κέρδος πάνω από 1,7 εκατομμύρια δολάρια (σε εικονικές μάρκες).

Από το DeepStack στο Libratus και το Pluribus

Η ομάδα DeepStack του πανεπιστημίου του Αλμπέρτα, συνδύασε τη βαθιά μηχανική μάθηση και αλγόριθμους ώστε να δημιουργήσει ένα σύστημα τεχνητής νοημοσύνης ικανό να κερδίζει στο Texas Hold’em. Τα νευρωνικά δίκτυα του DeepStack εκπαιδεύτηκαν αναλύοντας περισσότερες από 10 εκατομμύρια καταστάσεις παιχνιδιού. Έπειτα, το DeepStack έπαιξε Texas Hold’em εναντίον επαγγελματιών παικτών πόκερ από τη Διεθνή Ομοσπονδία Πόκερ. Αφού έπαιξε 44.852 παιχνίδια, τα αποτελέσματα του DeepStack ήταν δεκαπλάσια από αυτά που ένας επαγγελματίας παίκτης πόκερ θεωρεί ένα σημαντικό περιθώριο.Το Libratus, από την πλευρά του, είναι ένα μακρά πιο εξελιγμένο σύστημα AI, που κατασκευάστηκε στο Πανεπιστήμιο Carnegie Mellon το 2017. Το σύστημα απαιτούσε 100 κεντρικές μονάδες επεξεργασίας (CPU) για να λειτουργήσει και έπαιξε συνολικά 120.000 χέρια σε έναν διαγωνισμό πόκερ 20 ημερών ενάντια σε τέσσερις κορυφαίους παίκτες του Texas Hold’em. Σημαντικό ορόσημο πέτυχε και το Pluribus, το οποίο είναι ένα ρομπότ που κατάφερε να κερδίσει μερικούς από τους καλύτερους παίκτες πόκερ στον κόσμο σε ένα παιχνίδι Texas Hold’em έξι παικτών. Δημιουργήθηκε και πάλι από επιστήμονες στο Πανεπιστήμιο Carnegie Mellon και τα αποτελέσματά του ήταν εντυπωσιακά. Το Pluribus έπαιξε 10.000 χέρια πόκερ εναντίον πέντε άλλων παικτών και κατά μέσο όρο κέρδισε $480 από τους ανταγωνιστές του για κάθε 100 hands-on.

Οι ιδιαιτερότητες του πόκερ

Βέβαια, το πόκερ ως παιχνίδι έχει κάποιες ιδιαιτερότητες που κάνουν πιο περίπλοκη την αναμέτρηση μεταξύ μηχανών και ανθρώπων. Το παιχνίδι συνδυάζει στατιστική, ψυχολογία και στρατηγική και αυτό γεννά το ερώτημα κατά πόσο η τεχνητή νοημοσύνη μπορεί να ανταποκριθεί σταθερά στις απαιτήσεις και να κερδίζει επαγγελματίες παίκτες σταθερά και σε βάθος χρόνου. Η βασική διαφορά που υπάρχει σε σύγκριση με το σκάκι, είναι ότι στο πόκερ οι παίκτες δεν γνωρίζουν τα χαρτιά των αντιπάλων και αυτό επιτρέπει το μπλοφάρισμα. Ωστόσο, τα σύγχρονα συστήματα τεχνητής νοημοσύνης έχουν αναπτυχθεί με τρόπο ώστε να διαχειρίζονται την αβεβαιότητα. Αυτό γίνεται μέσα από προσομοιώσεις διάφορων σεναρίων που μπορούν να πραγματοποιήσουν σε μηδαμινό χρόνο και έτσι να προσαρμόζονται ανά πάσα στιγμή στις κινήσεις και τον τρόπο παιχνιδιού του αντιπάλου τους.

Οι αλγόριθμοι έχουν τη δυνατότητα να κάνουν προσομοίωση εκατομμυρίων παρτίδων πόκερ, κάτι που τους επιτρέπει να βελτιώνουν συνεχώς τη στρατηγική τους και να επιλέγουν τις καλύτερες κινήσεις. Ωστόσο, παρά το ότι έχουν αυτό το συγκεκριμένο πλεονέκτημα, ακόμη δεν θεωρείται δεδομένο ότι ένα πρόγραμμα τεχνητής νοημοσύνης θα επικρατήσει απόλυτα κόντρα σε επαγγελματίες παίκτες συμμετέχοντας σε ένα τουρνουά. Ειδικά απέναντι σε παίκτες που διαθέτουν πολύ μεγάλη εμπειρία, έχουν αναπτύξει τις δυνατότητές τους και μπορούν να προσαρμοστούν στη συμπεριφορά του αντιπάλου τους. Η τεχνητή νοημοσύνη μπορεί να μιμηθεί τα στοιχεία αυτά, αλλά ακόμη δεν μπορεί να τα εφαρμόσει με απόλυτη επιτυχία και να αναγνωρίσει για παράδειγμα τις μπλόφες.

Για την ακρίβεια, αν και δεν μπορούν να αναγνωρίσουν με συνέπεια το μπλοφάρισμα από την πλευρά των παικτών, κάποια σύγχρονα συστήματα μπορούν να μπλοφάρουν. Προηγμένα συστήματα AI, όπως το Pluribus, βασίζονται σε μαθηματικά μοντέλα και ανάλυση δεδομένων και χρησιμοποιούν στρατηγικές που περιλαμβάνουν και ασυνήθιστα πονταρίσματα και απρόβλεπτες κινήσεις.

Πού βασίζεται η τεχνητή νοημοσύνη

Τα σύγχρονα συστήματα ΑΙ για πόκερ, βέβαια, έχουν σημειώσει εκπληκτική πρόοδο και έχουν καταφέρει να κερδίσουν επαγγελματίες σε παιχνίδια υψηλής δυσκολίας, όπως το No-Limit Texas Hold’em, ένα παιχνίδι που χαρακτηρίζεται από ατελή πληροφόρηση και απαιτεί στρατηγική σκέψη και προσαρμοστικότητα. Η τεχνητή νοημοσύνη βασίζεται κυρίως σε:

• Προκαθορισμένες στρατηγικές.
• Ανάλυση σε πραγματικό χρόνο.
• Εκπαίδευση μέσω παιχνιδιού εναντίον του εαυτού της.

Τα στοιχεία αυτά της δίνουν ένα σημαντικό πλεονέκτημα, αλλά δεν είναι αρκετά ώστε να της δίνει νίκες σε σταθερή βάση. 

Καλή η τεχνητή νοημοσύνη, αλλά…

Εν κατακλείδι, τα συστήματα τεχνητής νοημοσύνης έχουν σημειώσει πολύ σημαντική πρόοδο και σίγουρα αποτελούν πολύ δύσκολους αντιπάλους για τους επαγγελματίες παίκτες. Έχουν το πλεονέκτημα λόγω του ότι μπορούν να κάνουν αναλύσεις τεραστίου όγκου δεδομένων και προσομοίωση άπειρων σεναρίων πριν κάνουν κάποια κίνηση. Ωστόσο, αν και η τεχνητή νοημοσύνη έχει αποδείξει ότι μπορεί να νικήσει ακόμα και τους καλύτερους παίκτες, αυτό δεν μπορεί ακόμη να γίνει σε σταθερή βάση και με συνέπεια. Ο λόγος έχει να κάνει κυρίως με τη φύση του παιχνιδιού. Το πόκερ έχει πολλά στοιχεία ψυχολογίας και μπορεί να γίνει απρόβλεπτο και αυτό είναι μια συνισταμένη στην οποία οι μηχανές δυσκολεύονται ακόμη να προσαρμοστούν.