AlphaGo pourrait-il bluffer à travers le poker ?

L'un des scientifiques responsables d'AlphaGo, le logiciel Google DeepMind qui a récemment battu l'un des meilleurs joueurs de Go au monde, affirme que la même approche peut produire un robot de poker étonnamment compétent .

Contrairement aux jeux de société comme le Go ou les échecs, le poker est un jeu d'informations imparfaites, et pour cette raison il s'est avéré encore plus résistant à l'informatisation que le Go.

Le jeu au poker consiste à concevoir une stratégie basée sur les cartes que vous avez dans votre main et à deviner ce qu'il y a dans les mains de vos adversaires. Les joueurs de poker essaient de lire le comportement des autres à la table en utilisant une combinaison de statistiques et d'indices comportementaux plus subtils.

L'Intelligence Artificielle : c'est une sorte de magie.

Pour cette raison, la création d'un bot de poker efficace à l'aide de l'apprentissage automatique peut être importante pour les applications réelles de l'IA. Le jeu relève de la théorie des jeux, qui concerne les situations de négociation et de coopération.

Bien que Go soit incroyablement complexe et que ses principes stratégiques ne puissent pas être encodés facilement, AlphaGo a au moins pu voir chaque partie du jeu. AlphaGo a utilisé une combinaison de deux techniques d'IA, l'apprentissage par renforcement en profondeur et la recherche d'arbres, pour proposer des mouvements de Go gagnants. L'apprentissage par renforcement profond implique la formation d'un vaste réseau de neurones avec des récompenses positives et négatives, et la recherche d'arbres est une stratégie mathématique pour anticiper un jeu.

David Argent , le chercheur principal d'AlphaGo et chargé de cours à l'University College London, posté un papier plus tôt ce mois-ci décrivant les efforts pour créer un bot de poker en utilisant des techniques similaires.

Ensemble avec Jean Henri , étudiant chercheur à l'UCL, Silver a utilisé l'apprentissage par renforcement profond pour produire une stratégie de jeu efficace à la fois au Leduc, une version simplifiée du poker impliquant un jeu de seulement six cartes, et au Texas hold'em, la forme la plus populaire du jeu. Avec Leduc, le logiciel atteint un équilibre de Nash, c'est-à-dire une approche optimale telle que définie par la théorie des jeux. Au Texas Hold'em, il a réalisé la performance d'un joueur humain expert.

Pendant ce temps, une équipe de chercheurs de l'Université d'Oxford et Google DeepMind se sont penchés sur deux jeux de cartes inspirés de la fantasy : Magic : the Gathering et Hearthstone.

Ces jeux impliquent de jouer des cartes représentant différents sorts, armes ou créatures contre des adversaires. Ce travail est beaucoup plus préliminaire, et implique simplement former un réseau de neurones pour interpréter les informations affichées sur chaque carte , qui peut être soit structuré, comme dans une couleur ou un nombre particulier, soit non structuré, comme dans un texte décrivant ce qui se passe lorsque la carte est jouée.

Même ainsi, l'équipe d'intelligence artificielle de Google n'en a clairement pas fini avec la construction de robots de jeu surhumains.

(Lire la suite: Kotaku , Le gardien , Cinq leçons de la victoire historique d'AlphaGo)

cacher