2020: Pagsaka sa mga Makina

2020: Pagsaka sa mga Makina


Ni James Grosjean Giisip ako taliwala sa mga drone sa Netflix nga nahigugma sa The Queen’s Gambit (2020), apan kanunay ako usa ka mahiligon sa chess. Sa akong pag-eskuyla sa kolehiyo, tingali nakakaon ako usa ka libo nga mga croissant sa tsokolate samtang nagtan-aw sa katingad-an, katingad-an nga Murray Turnbull (aka “The Chess Master”) nga makuha ang tanan nga mga comers sa plasa sa lungsod – “$ 2, i-refund kung magdaog o magdrawing.” Kini akong dungog nga kuha ang litrato sa bantog nga Karpov nga gi-frame sa baso nga salamin sa Memoryal Hall sa diha nga gihimo niya ang usa ka 40-board simul sa campus. Kabahin ako sa press sa estudyante sa diha nga gihimo ni Kasparov ang iyang kontrobersyal nga pahayag nga ang usa ka kompyuter mahimo’g bantog nga kampiyon sa wala pa mahimo ang usa ka babaye. Nagtipig sa debate bahin sa posible nga pagkamasayup ni Kasparov alang sa usa pa nga forum ug usa pa ka adlaw, gikuha nako ang iyang pahayag ingon usa ka paglaraw nga gibase sa empirical nga pagpaniid sa komunidad sa chess. Ang pag-apil sa mga babaye kanunay nga mubu, ug dili makahuluganon nga pagdugang, samtang ang mga kompyuter kusganon na, ug kusog nga kusog. Ang mga makina magdala usa ka bag-ong pagkaparehas — diin ang tanan nga mga kasarian madugmok sama sa mga hulmigas. Gisulti sa Theorem ni Zermelo nga ang usa ka dula nga adunay bug-os nga kasayuran (makita sa parehas nga mga magdudula ang tanan nga mga piraso sa chess board), nga adunay katapusan (matapos ang dula pagkahuman sa pila ka mga lihok), adunay solusyon, ug kung ang duha nga magdula magdula niini labing maayo nga solusyon, nan matag dula adunay parehas nga sangputanan. Ang Chess komplikado nga igo nga dili kami sigurado kung unsa ang sangputanan, apan gihunahuna namon nga ang White modaog matag oras, diin wala’y Itum nga tubag nga makapausab sa sangputanan. Ang dula sa Connect Four nahulog usab sa ilalum sa Theorem ni Zermelo, ug gitino sa pagtuki nga sa kana nga dula, kanunay nga modaog ang sneaky sis kung mag-una siya ug magdala’g maayo. Kung ikaw usa ka AP nga nakagusto sa QGambit, ug gigutom sa daghang sulud sa wala’y katapusan nga pandemya, nan ang imong sunod nga tahas mao ang pagtan-aw sa AlphaGo, usa ka dokumentaryo bahin sa pagtaas sa mga kompyuter sa karaan nga dula sa Go, nga labi ka komplikado kaysa chess. Dili kataw-anan, kini nga sine makapahilak sa mga tawo nga interesado sa niining natad ug gipasalamatan ang grabe nga emosyonal nga drama alang sa kampiyon sa tawo, si Lee Sedol — ang labing kaayo nga nahimo kini. Nakuha sa pelikula ang kagul-anan, kaisug, kalantip ni Sedol, pagkahuman sa pagkamapaubsanon, sa pagkaamgo niya nga kini nga laban batok sa makina dili lang usa ka dula, apan ang pagtunga sa usa ka bag-ong han-ay sa kalibutan. Dili usa ka programmer, wala gipasalamatan ni Sedol kung unsa ang iyang makontra, apan ingon usa ka eksperto sa iyang galamhan, sa pisara mahimo niya mabati ang wala’y hunong, dili masulud nga gibug-aton sa iyang kaatbang. Pagkahuman nalingaw nimo ang AlphaGo, girekomenda nako (sa tinuud, girekomenda sa Google) nga tan-awon nimo ang pila sa dula sa poker taliwala sa daang eskuylahan nga Dan Negreanu ug sa moderno nga computer-clone Doug Polk. Ang labing kaayo nga magdudula sa yuta mao ang makina, mao nga ang usa ka maalamon nga tawo sama kang Polk, gisundog niya ang pamaagi sa makina. Pagpahiangay o pagkamatay. Kausa ako adunay usa ka mubu nga pagbayloay kauban si Howard Lederer. Gipangutana ko siya bahin sa mga bot sa mga site sa poker. Gisalikway niya ang isyu pinaagi sa pag-ingon: “Ang Poker dili sama sa chess. Ang Poker usa ka dula nga dili kompleto nga kasayuran. Dili kana maayo sa mga kompyuter. ” Dili nako mahibal-an kung siya ba usa ka buang nga buang o usa ka conman shill alang sa Full Tilt Poker. Sa bisan unsang paagi, dili ko gusto nga ipadayon kana nga panagsulti 15 ka tuig na ang milabay. Apan karon ania kita, sa 2021, ug panahon na nga ipadayon ang panagsulti, pinaagi sa pagbalibad sa unang sayop bahin sa mga computer sa GTO (game-theory optimal), ug tanan nga uban pang nagsapaw nga mga sayup nga ang mga dinosaur sa poker ug giproklamar sa kaugalingon nga mga poker savant desperado nga nagkapot sa: Pagkapukan # 1: Ang mga kompyuter dili maayo sa mga dula nga dili kompleto ang kasayuran. Wala’y salabotan lang kini. Tinuod nga ang Theorem ni Zermelo dili magamit sa mga dula sama sa poker. Alang sa poker, adunay UBANG mga teyoriya nga sa panguna giingon nga adunay solusyon sa dula, ug ang usa ka solusyon sa kompyuter sa kinatibuk-an maglakip sa “magkasagol nga mga estratehiya” nga nagpasabut nga adunay pipila nga bahin sa pag-randomize (sama sa pagtawag sa Gunting nga adunay kalagmitan nga 1/3 ). Ang mga kompyuter maayo kaayo, labi ka maayo kaysa mga tawo, sa pagkalkula sa pagpaabut sa mga sangputanan nga mahimo’g kalagmitan, labi na kung ang pag-apud-apod sa kalagmitan nahibal-an gyud, tungod kay naa sila sa mga dula sa kard. Pananglitan, nahibal-an gyud sa kompyuter kung unsa gyud ang kalagmitan sa pagdrawing usa ka backdoor Flush ug kung unsang mga pot odds ang kinahanglan niini aron matarong ang paggukod. Bisan kung ang poker naglambigit sa dili kompleto nga kasayuran, wala’y utlanan ang poker alang sa labing kadaghan nga dula kaysa sa Go, bisan kung ang Go naglangkob sa tibuuk nga kasayuran (kasayuran sa kasagarang kahibalo). Pagkapukan # 2: Ang pagkalabaw sa kompyuter naggikan sa pagkahinumdum sa matag kamut nga akong gidula, ug ipahiangay sumala niana. Samtang ang usa ka “mapahimuslanon nga bot” tinuud nga mag-analisar sa imong nangagi nga pagdula ug mag-ayos sa mga nakita nga kahuyang, ang usa ka sukaranan nga bot sa GTO (nga kaniadto gitawag namon nga “Nash bot”) mao ang katumbas sa poker sa BS sa blackjack. Ang pamaagi sa GTO dili mausab, dili igsapayan kung giunsa nimo gipatugtog ang nangagi nga mga kamut. Dili kinahanglan ang kana nga kasayuran, ug wala’y pakialam. Fallacy # 3: Ang solusyon sa GTO “tama” ra kung magdula kontra sa usa pa ka bot sa GTO, tungod kay kana ang giisip sa diha nga naugmad ang bot – ang bot nga “nahibal-an” pinaagi sa pagdula kontra sa kaugalingon. Bakak kini. Ang “bot nga gipatugtog kontra sa kaugalingon aron makakat-on sa poker” usa ka sayup nga pagkilala sa proseso sa pag-uswag. Ganahan ang media nga ma-hype ang clickbait niini aron mahimo ang matag sangputanan sa tunog sa pag-compute sama sa usa ka generational breakthrough, nga naghangyo sa HAL ug Skynet. Ang usa ka botang GTO wala mahibal-an bisan unsa bahin sa poker. Ang pagkuha sa estratehiya sa GTO usa ka ehersisyo sa pagkalkula, nga gihimo nga posible pinaagi sa daghang panumduman ug katulin sa CPU nga magamit sa mga kompyuter karon ug pag-uswag sa usa ka episyente nga algorithm aron mahimo ang pagkwenta (“pagmobu ang pagmahay”). Wala gyud namon gigamit ang paglaraw sa algorithm ingon “makina sa pagkat-on” o “AI” –Gamiton ra namon kini nga pagtawag sa “pagsaka sa bungtod” o “pagpa-maximize” o “pag-optimize.” Sa matag lakang sa iterative algorithm, ang kompyuter adunay karon nga pamaagi nga giuswag alang sa matag lingkuranan sa lamesa, ug kini nga karon nga estratehiya mahimong gihulagway nga “kaugalingon” ingon sa: “Ang PokerSnowie nagpatokar sa kaugalingon.” Apan kini usa ra ka iterasyon sa agianan niini sa pagsaka sa bungtod aron magtagbo sa kinatumyan — usa ka labing kaayo nga pamaagi alang sa poker. Ang kana nga labing kaarang dili maghunahuna bisan unsang partikular nga kaatbang. Adunay uban pang mga paagi nga mahimo namon makalkula ang solusyon (bisan tingali dili kini kadali), ug kini parehas nga balido. Kini nga estratehiya sa GTO mao ang “The Book” alang sa poker, ug dili gyud kini mahimo’g dehado, dili igsapayan ang kaatbang niini. Wala’y estratehiya nga mahimo’g batok niini. Pagkapukan # 4: Ang bot sa GTO nagtuo nga magdula ako sa usa ka piho nga paagi, apan limbongan ko kini pinaagi sa pagdula sa akong off-suit 72 nga wala sa posisyon. Sayop. Ang bot sa GTO wala maghunahuna bisan unsa bahin sa kung unsa ka magdula. Wala’y pakialam. Dili kini mapildi batok sa ANUMANG kontra nga estratehiya. Hunahuna nga adunay moabut nga away batok ni Floyd Mayweather, ug giingon nimo, “Gipaabut ako ni Floyd nga magpakita sa dili hingpit nga pisikal nga pagkondisyon. Gihunahuna niya nga magbansay ako og maayo alang sa sunod nga unom ka bulan. Limbongan ko siya — magtan-aw ra ko sa Netflix ug mokaon og mga donut sa sunod nga unom ka bulan. ” Wala’y ideya si Floyd kung unsa ka daghang magbansay. Nahibal-an niya nga kung siya mismo magpakita sa hingpit nga porma, wala’y kaatbang nga mahimo’g batok kaniya. Makatarunganon ba nga isulti, “Nagtuo ang bot nga magdula ako og maayo. Akong limbongan ang bot pinaagi sa pagdula og daotan nga poker! ” Oo, sigurado nga gipakita mo kanila! Pagkapukan # 5: Nakit-an nako ang usa ka kahuyang — kung adunay ako ingon ana ug ingon ana, gikan sa ingon ug ingon niana nga posisyon, kung ingon niana kinahanglan buhaton sa bot ang X, apan kini ang gibuhat ni Y. Sayup. Ang bot wala’y kahuyang. Nagtan-aw ka sa usa ka piho nga pagkuptan sa kamut, ug usa ka piho nga sangputanan, apan pinahiuyon sa posibilidad nga maanaa sa kana nga sitwasyon, ug ang tanan nga posible nga mga kamut nga mahimo nimong gunitan nga tan-awon gikan sa panan-aw sa bot, tama ang dula niini, ug mahimo nimo wala makakaplag lungag didto. Kuyaw kaayo tan-awon ang usa ka dula nga managbulag. Naghimo ang bot sa mga lihok aron mabalanse ang mga sak-anan niini, aron dili ka makagisi sa ubang mga sitwasyon, o kung lainlaing mga kard ang miabut sa sapa. Kung dili nimo kini makit-an, kung ingon-ana ang sayup naa sa imong kaugalingon nga panghunahuna sa poker, dili ang bot. Pagkapukan # 6: Kung akong pagdula kini kadiyot, mahibal-an nako kung giunsa kini magpatugtog ug makakaplag usa ka kahuyang. Sayop. Wala’y kahuyang. Sa tinuud, mahimo namantala ang estratehiya sa bot, ug dili kini magbuhat bisan unsang kalainan. Kung isulti ko kanimo nga magdula ako sa Gunting, Bato, ug Papel nga adunay kalagmitan nga 1/3 sa matag usa, ang kamatuuran nga nahibal-an nimo ang akong estratehiya wala’y kaarang nga makakuha og ngilit. Wala’y tikod ni Achilles. Pagkapukan # 7: Ang Heads-Up Limit bot nga gipaila sa mga casino labi kaayo nga mabuntog, busa tingali ang mga bot sa GTO usab. Dili kini usa ka makahuluganon nga pagtandi. Ang pila sa mga bot sa casino gisugo nga dili magdula sa ilang dula nga A, tungod kay kini kusog kaayo batok sa kasagaran nga mga tawo. Kung gitakda sa casino ang bot aron magdula sa dula nga B, aron maangkon, giingon, ang usa ka 5% nga ngilit batok sa kadaghanan nga mga magdudula, kung ingon ang usa ka maayong tawo mahimo unta nga makakwarta kontra sa GTSO bot (game-theory sub-optimal bot). Apan lahi kana nga isyu. Wala ko igsapayan kung kinsa ka: Kung magdula ka batok sa PokerSnowie, mapildi ka. Pagkapukan # 8: Ang mga bot sa GTO mahimo’g mabuntog ang mga mahuyang nga magdudula, apan ang mga bot makasinati og kasamok batok sa mga nag-una nga kaatbang sama nila Phil Ivey o Dan Negreanu. Sayop. Ang usa ka matahum nga butang bahin sa usa ka botas nga GTO mao nga dili hinungdanon kung kinsa ang kontra. Labing maayo, adunay usa nga makadula bisan sa bot. Ang usa ka singsing nga bot sa GTO mahisama sa usa ka lababo, nga adunay kuwarta nga nagaagos sa paglihok sa oras nga paggukod sa buton, ug pag-agas sa taliwala sa lamesa tungod sa rake. Ang usa ka praktikal nga problema nga kaniadto adunay mga tinuod nga kalamangan sa kalibutan mao ang paghukum kung kanus-a ang ilang kahanas igoigo nga makaabut sa sunod nga mas taas nga pusta nga magamit, diin ang mga magdudula tingali mas kusgan. Apan karon, ang usa ka magdudula nga nagsundog sa estratehiya sa GTO mahimong molingkod sa bisan unsang lamesa sa kalibutan, sa bisan unsang stake, ug dili mabalaka bahin sa pagka-isda. Labing maayo, ang dula mahimong parehas (sa gawas sa rake), ug sa praktis, ang usa ka estratehiya sa GTO naghatag usa ka kadako nga kadapig batok sa bisan kinsa nga imong mahibalag sa ihalas. Fallacy # 9: Ang Dan Negreanu usa ka dugay na nga poker pro nga adunay mga N nga pulseras, busa dugmokon niya ang mga nits sa kompyuter sama ni Doug Polk nga wala makasabut sa mga nuances sa tinuud nga poker. Kung ang usa ka lalaki nga sama ni Polk nakasag-ulo ra sa “mga tsart” ug gisundog ang estratehiya sa GTO, dili niya kinahanglan nga masabtan ang usa ka maldita nga butang. Dili niya kinahanglan mahibal-an kung unsa ang gipasabut sa pulong “nuance”. Ang kasinatian sa Poker sa mga pros sama sa Negreanu mao ang nakapaarang nila mahibal-an ang labing kaayo nga dula sa mga senaryo nga komplikado. Kanus-a na kana nga kasinatian karon nga giisip ra sa mga kompyuter kung unsa ang husto nga mga dula. Tingali kaniadtong 1950, ang kasinatian sa usa ka magdudula naghatag kaniya katino nga ang pag-igo sa 14 v T mas maayo kaysa pagtindog. Sa higayon nga gikalkulo sa Upat nga Kabayo ang tsart sa BS, kana nga kasinatian sa blackjack nahimo’g dili hinungdanon. Ang Basahon naghatag kasinatian nga dili kinahanglan. Karon si Doug Polk dili usa ka bot sa GTO. Siya usa ka nanguna nga pro nga gigamit ang mga pamaagi sa GTO. Mao nga, ang gipusil lang ni Negreanu aron mabuntog si Polk kung dili husto ang pagsundog ni Polk sa GTO, ug kung ang mga lungag igoigo aron makapangita ug pahimuslan ang Negreanu. Nagduha-duha ako niini. Ang usa pa nga longshot mao ang kung magdula sila og live, ug kung si Polk adunay pisikal nga gisulti nga maghatag kasayuran bahin sa iyang mga hole card, ug kung mabasa siya sa Negreanu sa ingon niana. O kung si Polk adunay mga isyu sa pagkiling ug magsugod sa paglayo gikan sa GTO kung siya adunay dili maayo nga pagpadagan sa mga kard. Dili tingali. O, tingali ang dula igo ka mubu nga swerte ang Negreanu sa usa ka gamay nga sampol. Pagkahuman sa pagdula batok sa AlphaGo, gipataas ni Lee Sedol ang iyang dula ug gisugdan ang pagdugmok sa tanan (dili nga wala pa siya), apan nagretiro na sa dula! Miuyon siya nga gipili siya (unsa ang usa ka konsepto!), Ug wala nay tawo nga mohagit usab sa labing kaayo nga magdudula sa yuta, ang AlphaGo. Tan-awon naton kung ang Negreanu adunay parehas nga epiphany. Ang usa ka bag-o nga tweet nakapahingangha kanako, tungod kay ang Negreanu ingon nga nagpangutana sa usa ka pagdula sa bot, ug nagsugyot nga adunay usa ka nipis nga linya tali sa henyo ug pagkawalay salabutan. Sa akong hunahuna gilauman pa niya nga adunay sayup sa estratehiya sa GTO. Wala. Katapusan nga akong nadungog, ang Negreanu nakaapas sa indigay, ug adunay pila nga timailhan nga ang usa nga hinungdan mao, sa iyang pasalig, si Negreanu nagpraktis sa PokerSnowie, ug nagbagay! Kung ang Negreanu dali nga makakat-on sa estratehiya sa GTO, kung ingon niana mahimo niya maparehas ang dulaanan nga mahimong usa ka hilabihang kalampusan. Ang paagi ra nga mabuhi ang usa ka dinosauro pinaagi sa pagbag-o. Makita naton sa 2021.

[Next time, I’ll discuss some of the limitations and weaknesses of the poker bots, unless we thrash them out in the Comments below.]


ปอยเปต คาสิโน
เกมส์ยิ่งปลา คาสิโน ได้เงินจริงไหม
เล่น คาสิโน
คาสิโน191
คาสิโน 88

Leave a Reply

Your email address will not be published. Required fields are marked *