लिब्राटस पोकर

लिब्रेटस एक कृत्रिम बुद्धिमत्ता कार्यक्रम है जिसे पोकर खेलने के लिए डिज़ाइन किया गया था, विशेष रूप से हेड्स-अप नो-लिमिट टेक्सास होल्डेम। इसे पिट्सबर्ग के कार्नेगी मेलन विश्वविद्यालय में विकसित किया गया था, और इसके निर्माताओं का इरादा था कि इसे अन्य, गैर-पोकर-विशिष्ट अनुप्रयोगों के लिए सामान्यीकृत किया जा सके। लिब्रेटस नाम एक लैटिन अभिव्यक्ति है जिसका अर्थ है 'संतुलित', और यह एक पुराने पोकर बॉट, क्लॉडिको का नाममात्र उत्तराधिकारी था।

पृष्ठभूमि और विकास

लिब्रेटस को खरोंच से बनाया गया था, लेकिन इसने क्लॉडिको की विरासत का लाभ उठाया। इसके विकास के लिए 15 मिलियन से अधिक कोर घंटे की गणना की आवश्यकता थी, जबकि क्लॉडिको के लिए 2-3 मिलियन थे, और इसे पिट्सबर्ग सुपरकंप्यूटिंग सेंटर के 'ब्रिजेस' सुपरकंप्यूटर पर किया गया था। लिब्रेटस के निर्माताओं में से एक, प्रोफेसर तुओमास सैंडहोम के अनुसार, बॉट के पास कोई निश्चित अंतर्निहित रणनीति नहीं है; इसके बजाय, यह एक एल्गोरिदम का उपयोग करता है जो चलते-फिरते रणनीति की गणना करता है। मुख्य तकनीक काउंटरफैक्चुअल रिग्रेट मिनिमाइज़ेशन का एक नया संस्करण था, अर्थात् CFR+ विधि जो 2014 में ओस्कारी टैमेलिन द्वारा पेश की गई थी। CFR+ के शीर्ष पर, लिब्रेटस ने एंडगेम समाधान के लिए एक नई तकनीक का उपयोग किया, जिसे सैंडहोम और उनके पीएचडी छात्र नोम ब्राउन ने विकसित किया था। इस विधि ने 'एक्शन मैपिंग' की आवश्यकता को समाप्त कर दिया, जो पोकर प्रोग्रामिंग में पहले का डी फैक्टो मानक था।

लिब्रेटस के विकास के साथ-साथ, चार्ल्स विश्वविद्यालय, चेक तकनीकी विश्वविद्यालय और अल्बर्टा विश्वविद्यालय की एक अंतरराष्ट्रीय टीम ने डीपस्टैक विकसित किया, जो दिसंबर 2016 में हेड्स-अप नो-लिमिट टेक्सास होल्डेम में पेशेवर पोकर खिलाड़ियों को हराने वाला पहला कंप्यूटर प्रोग्राम बन गया। जबकि दोनों प्रणालियों ने काउंटरफैक्चुअल रिग्रेट मिनिमाइज़ेशन का उपयोग किया, वे अपने दृष्टिकोण में भिन्न थे: डीपस्टैक ने गेम स्थितियों का मूल्यांकन करने के लिए तंत्रिका नेटवर्क का उपयोग किया, जबकि लिब्रेटस ने लीफ मूल्यांकन के लिए तंत्रिका नेटवर्क का उपयोग नहीं किया।

2017 मानव बनाम एआई मैच

11 से 31 जनवरी 2017 तक, लिब्रेटस ने चार शीर्ष मानव पोकर खिलाड़ियों - जेसन लेस, डोंग किम, डैनियल मैकॉले और जिमी चो - के खिलाफ 'ब्रेन्स बनाम आर्टिफिशियल इंटेलिजेंस: अपिंग द एंटे चैलेंज' नामक टूर्नामेंट में प्रतिस्पर्धा की। टूर्नामेंट में 120,000 हाथ शामिल थे, जो 2015 में क्लॉडिको द्वारा खेले गए पिछले टूर्नामेंट की तुलना में 50% अधिक था, और अतिरिक्त मात्रा को प्रबंधित करने के लिए अवधि 13 से बढ़ाकर 20 दिन कर दी गई थी।

चार खिलाड़ियों को दो उप-टीमों में बांटा गया था। एक उप-टीम खुले में खेली, जबकि दूसरी उप-टीम 'द डंगऑन' नामक एक अलग कमरे में स्थित थी, जहां मोबाइल फोन या अन्य बाहरी संचार की अनुमति नहीं थी। डंगऑन उप-टीम को खुले उप-टीम के समान कार्डों का क्रम मिला, लेकिन पक्ष बदले हुए थे: डंगऑन के मनुष्यों को वे कार्ड मिले जो खुले में एआई को मिले थे और इसके विपरीत। यह व्यवस्था कार्ड भाग्य के प्रभाव को शून्य करने के लिए थी।

$200,000 की पुरस्कार राशि विशेष रूप से मानव खिलाड़ियों के बीच साझा की गई थी। प्रत्येक खिलाड़ी को न्यूनतम $20,000 मिले, और शेष राशि एआई के खिलाफ उनके प्रदर्शन के आधार पर वितरित की गई। जैसा कि टूर्नामेंट के नियमों में पहले से लिखा गया था, एआई को पुरस्कार राशि नहीं मिली, भले ही उसने टूर्नामेंट जीता।

टूर्नामेंट के दौरान, लिब्रेटस ने दिन के दौरान खिलाड़ियों के खिलाफ प्रतिस्पर्धा की, और रात भर अपनी रणनीति को पूर्ण किया, विशेष रूप से अपनी हार का विश्लेषण करके। इसने इसे लगातार उन कमियों को दूर करने की अनुमति दी जो मानव टीम ने खोजी थीं, जिसके परिणामस्वरूप मनुष्यों और लिब्रेटस के बीच एक स्थायी हथियारों की दौड़ बनी रही। रात भर के विश्लेषण ने ब्रिजेस सुपरकंप्यूटर पर अतिरिक्त 4 मिलियन कोर घंटे का उपयोग किया।

पोकर खिलाड़ियों के बीच एक सक्रिय सट्टेबाजी बाजार था कि टूर्नामेंट कौन जीतेगा। यह बॉट के खिलाफ 4:1 के अंतर से शुरू हुआ, लेकिन 8वें दिन यह एक सट्टेबाजी बाजार बन गया कि कौन सा मानव सबसे कम हारेगा।

एआई की ताकत

लिब्रेटस ने टूर्नामेंट के पहले दिन से ही मानव खिलाड़ियों के खिलाफ बढ़त बनाई। खिलाड़ी डोंग किम को एआई की ताकत के बारे में यह कहते हुए उद्धृत किया गया: "मुझे आज तक एहसास नहीं हुआ था कि यह कितना अच्छा है। मुझे ऐसा लगा जैसे मैं किसी ऐसे व्यक्ति के खिलाफ खेल रहा था जो धोखा दे रहा था, जैसे वह मेरे कार्ड देख सकता था। मैं इसे धोखा देने का आरोप नहीं लगा रहा हूं। यह बस उतना ही अच्छा था।"

प्रतियोगिता के 16वें दिन, लिब्रेटस ने पहली बार $1,000,000 का आंकड़ा पार किया। उस दिन के अंत में, यह मानव टीम के खिलाफ $1,194,402 चिप्स से आगे था। प्रतियोगिता के अंत में, लिब्रेटस $1,766,250 चिप्स से आगे था और इस प्रकार उसने शानदार जीत हासिल की। चूंकि मैचों में बिग ब्लाइंड $100 निर्धारित किया गया था, लिब्रेटस की जीत दर 100 हाथों में 14.7 बिग ब्लाइंड के बराबर है, जिसे पोकर में असाधारण रूप से उच्च जीत दर माना जाता है और यह सांख्यिकीय रूप से अत्यधिक महत्वपूर्ण है।

तुलना के लिए, डीपस्टैक ने 11 पेशेवरों के खिलाफ 44,000 हाथों के अपने अध्ययन में 100 हाथों में 49 बिग ब्लाइंड की जीत दर हासिल की, हालांकि अलग-अलग परीक्षण स्थितियां (हाथों की संख्या, प्रतिद्वंद्वी कौशल स्तर और टूर्नामेंट प्रारूप) सीधी तुलना को कठिन बनाती हैं।

मानव खिलाड़ियों में से, डोंग किम पहले, मैकॉले दूसरे, जिमी चो तीसरे और जेसन लेस चौथे स्थान पर रहे।

बॉट के पास एक अपरंपरागत सट्टेबाजी शैली है जहां विशिष्ट परिस्थितियों में यह $20,000 की शर्त लगाता था, भले ही पॉट में $100 ही क्यों न हो। अपनी जीत के बाद, इस रणनीति का विश्लेषण किया गया और पोकर समुदाय द्वारा अपनाया गया।

अन्य संभावित अनुप्रयोग

जबकि लिब्रेटस का पहला अनुप्रयोग पोकर खेलना था, इसके डिजाइनरों के मन में एआई के लिए एक बहुत व्यापक मिशन था। अन्वेषकों ने एआई को ऐसी किसी भी स्थिति या परिस्थिति को सीखने में सक्षम बनाने के लिए डिज़ाइन किया जिसमें अपूर्ण जानकारी उपलब्ध हो और "प्रतिद्वंद्वी" जानकारी छिपा रहे हों या धोखे में संलग्न हो सकते हों। इसके कारण, सैंडहोम और उनके सहयोगी इस प्रणाली को अन्य वास्तविक दुनिया की समस्याओं पर लागू करने का प्रस्ताव रख रहे हैं, जिनमें साइबरसुरक्षा, व्यावसायिक वार्ता या चिकित्सा योजना शामिल हैं।

यह भी देखें

• डीपस्टैक
• कंप्यूटर पोकर खिलाड़ी
• सेफियस (पोकर बॉट)
• क्लॉडिको
• पोलारिस (पोकर बॉट)
• प्लुरिबस (पोकर बॉट)

संदर्भ

बाहरी लिंक

• ब्रेन्स बनाम आर्टिफिशियल इंटेलिजेंस, वेबैक मशीन पर संग्रहीत 2016-02-03, रिवर्स कैसीनो की आधिकारिक वेबसाइट