211service.com
¿AlphaGo podría fanfarronear en el póquer?
Uno de los científicos responsables de AlphaGo, el software de Google DeepMind que recientemente derrotó a uno de los mejores jugadores de Go del mundo, dice que el mismo enfoque puede producir un robot de póquer sorprendentemente competente .
A diferencia de los juegos de mesa como el Go o el ajedrez, el póquer es un juego de información imperfecta, y por eso ha demostrado ser aún más resistente a la informatización que el Go.
El juego en el póquer implica diseñar una estrategia basada en las cartas que tienes en tu mano y adivinar qué hay en las manos de tus oponentes. Los jugadores de póquer intentan leer el comportamiento de los demás en la mesa utilizando una combinación de estadísticas y señales de comportamiento más sutiles.
Inteligencia artificial: es una especie de magia.
Debido a esto, la creación de un bot de póquer eficaz mediante el aprendizaje automático puede ser importante para las aplicaciones de la IA en el mundo real. El juego es relevante para la teoría de juegos, que se refiere a situaciones que implican negociación y cooperación.
Aunque Go es increíblemente complejo y sus principios estratégicos no se pueden codificar fácilmente, AlphaGo al menos pudo ver cada parte del juego. AlphaGo usó una combinación de dos técnicas de IA, aprendizaje de refuerzo profundo y búsqueda de árbol, para generar movimientos de Go ganadores. El aprendizaje de refuerzo profundo implica entrenar una gran red neuronal con recompensas positivas y negativas, y la búsqueda de árboles es una estrategia matemática para mirar hacia adelante en un juego.
david plata , el investigador principal detrás de AlphaGo y profesor en el University College London, publicó un papel a principios de este mes, describiendo los esfuerzos para construir un bot de póquer utilizando técnicas similares.
Juntos con Juan Enrique , un estudiante de investigación en la UCL, Silver usó el aprendizaje de refuerzo profundo para producir una estrategia de juego efectiva tanto en Leduc, una versión simplificada de póquer que involucra una baraja de solo seis cartas, como en Texas Hold'em, la forma más popular del juego. Con Leduc, el software alcanzó un equilibrio de Nash, lo que significa un enfoque óptimo según lo definido por la teoría de juegos. En Texas Hold'em, logró el desempeño de un jugador humano experto.
Mientras tanto, un equipo de investigadores de la Universidad de Oxford y Google DeepMind han centrado su atención en dos juegos de cartas inspirados en la fantasía: Magic: the Gathering y Hearthstone.
Estos juegos implican jugar a cartas que representan diferentes hechizos, armas o criaturas contra los oponentes. Este trabajo es mucho más preliminar y simplemente involucra entrenar una red neuronal para interpretar la información que se muestra en cada tarjeta , que puede estar estructurado, como en un color o número en particular, o no estructurado, como en el texto que describe lo que sucede cuando se juega la carta.
Aun así, el equipo de inteligencia artificial de Google claramente no ha terminado de construir bots de juegos sobrehumanos.
(Lee mas: Kotaku , El guardián , Cinco lecciones de la victoria histórica de AlphaGo)