डीपस्टैक

DeepStack एक कृत्रिम बुद्धिमत्ता कंप्यूटर प्रोग्राम है जिसे दो-खिलाड़ी पोकर, विशेष रूप से हेड्स-अप नो-लिमिट टेक्सास होल्ड 'एम खेलने के लिए डिज़ाइन किया गया है। यह पहला कंप्यूटर प्रोग्राम है जिसने इस खेल में पेशेवर मानव खिलाड़ियों को हराया है। यह प्रोग्राम चार्ल्स विश्वविद्यालय, चेक तकनीकी विश्वविद्यालय और अल्बर्टा विश्वविद्यालय की एक अंतरराष्ट्रीय टीम द्वारा विकसित किया गया था।

पृष्ठभूमि

पोकर शैक्षणिक समुदाय में एक प्रमुख बेंचमार्क खेल है, और सबसे खराब स्थिति वाले प्रतिद्वंद्वियों के खिलाफ इष्टतम रणनीति खोजने के लिए काफी शोध किया गया है। जबकि मानव पेशेवरों को दशकों पहले बड़े पूर्ण-सूचना वाले खेलों, जैसे शतरंज में हराया गया था, अपूर्ण-सूचना वाले खेलों के लिए बहुत अधिक जटिल पुनरावर्ती तर्क की आवश्यकता होती है। पिछले लोकप्रिय दृष्टिकोण मुख्य रूप से अमूर्तता का उपयोग करके खेल के सरलीकरण पर निर्भर थे। हालाँकि, अपूर्ण-सूचना वाले खेलों में अमूर्तता अक्सर अत्यधिक शोषणीय रणनीतियों का परिणाम देती है। इसके बजाय, DeepStack कई एल्गोरिथमिक नवाचारों का उपयोग करता है, जैसे तंत्रिका नेटवर्क और निरंतर समाधान का उपयोग।

एल्गोरिथम

प्रोग्राम के मूल में विशिष्ट कार्ड संयोजनों के मूल्य का निर्धारण करने के लिए तंत्रिका नेटवर्क का उपयोग होता है। नेटवर्क केवल कुछ खेल स्थितियों पर प्रशिक्षित होते हैं और प्रशिक्षण के दौरान न देखी गई स्थितियों को सामान्यीकृत करने के लिए उपयोग किए जाते हैं। प्रोग्राम तंत्रिका नेटवर्क और निरंतर समाधान के साथ खोज का उपयोग करता है ताकि यह सुनिश्चित किया जा सके कि प्रत्येक चरण में पाई गई रणनीति पिछले चरणों में उपयोग की गई रणनीति के अनुरूप है। खोज प्रक्रिया अपने लुकहेड ट्री में रणनीति को पुनरावृत्त रूप से अद्यतन करने के लिए काउंटरफैक्चुअल पछतावा न्यूनीकरण का उपयोग करती है, और पत्ती मूल्यांकन के लिए तंत्रिका नेटवर्क का उपयोग किया जाता है। पत्ती मूल्यांकन एक निश्चित गहराई से परे गणना को तेज़ अनुमानित अनुमान के साथ प्रतिस्थापित करके खेल के पूरे शेष भाग के बारे में तर्क करने से बचता है।

2016 पेशेवर खिलाड़ियों के साथ टूर्नामेंट

दिसंबर 2016 में पूर्ण किए गए एक अध्ययन में, DeepStack ने 44,000 हाथ पोकर खेलकर 11 पेशेवर पोकर खिलाड़ियों को हराया। सभी खेलों में, DeepStack ने प्रति 100 हाथों में 49 बड़े ब्लाइंड जीते (हमेशा फोल्ड करने से प्रति 100 में केवल 75 बड़े ब्लाइंड का नुकसान होता), जो शून्य से चार मानक विचलन से अधिक है, जिससे यह हेड्स-अप नो-लिमिट टेक्सास होल्ड 'एम पोकर में पेशेवर पोकर खिलाड़ियों को हराने वाला पहला कंप्यूटर प्रोग्राम बन गया। यह परिणाम कृत्रिम बुद्धिमत्ता अनुसंधान में एक महत्वपूर्ण मील का पत्थर था, जो दर्शाता है कि एआई अपूर्ण-सूचना वाले खेलों की जटिलताओं को संभाल सकता है।

प्रतिस्पर्धी दृष्टिकोण

DeepStack के साथ-साथ, कार्नेगी मेलन विश्वविद्यालय अनुसंधान समूह का एक प्रतिस्पर्धी दृष्टिकोण, जिसे Libratus कहा जाता है, प्रकाशित किया गया था। 11 से 31 जनवरी, 2017 तक, Libratus को चार शीर्ष श्रेणी के मानव पोकर खिलाड़ियों के खिलाफ एक टूर्नामेंट में उतारा गया था। एल्गोरिथम भी Science में प्रकाशित किया गया था। Libratus पत्ती मूल्यांकन के लिए तंत्रिका नेटवर्क का उपयोग नहीं करता है। विशेषज्ञों का तर्क है कि तंत्रिका नेटवर्क के साथ सीखने का उपयोग (जैसा कि DeepStack द्वारा किया गया है) अधिक सामान्य है, और यह वास्तव में बाद के कार्यों में उपयोग किया गया है जो अपूर्ण-सूचना वाले अन्य खेलों को सामान्यीकृत करते हैं। यह अंतर मशीन लर्निंग के क्षेत्र में DeepStack के दृष्टिकोण की व्यापक प्रयोज्यता को उजागर करता है।

पोकर समुदाय द्वारा स्वागत

डारा ओ'किर्नी, एक आयरिश पोकर पेशेवर जिन्होंने 456 हाथ पूरे किए, ने दावा किया कि DeepStack ने खेल सिद्धांत पर आधारित कुछ मानव खिलाड़ियों द्वारा उपयोग की जाने वाली शैली के समान शैली में खेला। प्रोग्राम की सफलता को रणनीतिक निर्णय लेने में गहन शिक्षण तकनीकों की क्षमता के सत्यापन के रूप में देखा गया, और इसने अन्य डोमेन में समान तरीकों को लागू करने में और रुचि जगाई।

यह भी देखें

• कंप्यूटर पोकर खिलाड़ी
• सेफियस (पोकर बॉट)
• Libratus
• प्लूरिबस (पोकर बॉट)