Может ли человек показывать оптимальную игру в покер?

Пока что, человечеству не удалось достигнуть того уровня технологического прогресса, который бы позволил создать умнейший суперкомпьютер, полностью решивший наш любимый покер. А может ли сам человек быть настоящей GTO-машиной из плоти и крови, показывать абсолютно идеальную игру и не оставлять ни единого шанса ни одному из своих оппонентов? Давайте разбираться.

Человек по праву занял вершину пищевой цепочки. И вовсе не благодаря своей недюжей силе, потому как шансов победить в равной схватке со львом, медведем, бегемотом или другим крупным животных у нас попросту нет. Все дело в интеллекте. Мы единственный (или единственный известный) живой организм на Земле, у которого есть когнитивные способности.

Несмотря на то, что мы до конца не изучили характеристики своего головного мозга (к примеру, до сих пор неизвестен хотя бы примерный объем нашего “жесткого диска”, его пропускная способность, а также многие другие детали), человечество активно пытается заставить развиваться компьютеры и создать идеальный ИИ. Пока, конечно, мы далеки от этого, но предпосылки к этому появляются все чаще и чаще.

Развитие ИИ уже не остановить

Эпоха ИИ началась ровно в тот момент, когда Гарри Каспаров впервые проиграл шахматный матч суперкомпьютеру Deep Blue. Произошло это 11 мая 1997 года, и об этом подробнее я писал в этой статье. Конечно, Deep Blue был далек от того, что мы сейчас привыкли называть ИИ – это всего-навсего обычный набор алгоритмов, хоть и чрезвычайно сложных.

И чего точно не было у Deep Blue, так это способности к саморазвитию.

Настоящий прорыв в области ИИ произошел спустя 19 лет. Подразделение компании Google DeepMind, которое отвечает за разработку ИИ, создало программу для игры в популярную восточную игру го. Отличительной особенностью AlphaGo, именно так назвали эту программу, было то, что в ее базу загрузили только правила игры в го, а всем тонкостям она научилась после просмотра и анализа матчей ведущих профессионалов.

Го намного сложнее шахмат из-за большего количества возможных позиций. Во-первых, как правило, в го в каждой позиции существует больше разрешённых ходов, чем в шахматах. Во-вторых, партия в го в среднем длится больше ходов. Эти два свойства были главными преградами для создания программы игры в го на базе обычных механических алгоритмов. Но после создания AlphaGo на одну традиционную игру, в которой человек пока еще способен побеждать компьютер, стало меньше. Черед покера не за горами?

Принципы работы лучшего покерного ИИ

Самый известный покерный ИИ – это, безусловно, Либратус. Именно ему удалось одержать победу над четырьмя профессионалами в покерных состязаниях. Об этом, кстати, подробнее написано в той же статье, где рассказывается про матч Deep Blue и Гарри Каспарова.

Но если программы Deep Blue и DeepMind одержали свои победы в обычных матчах со стандартными правилами, которые утверждены международными федерациями соответствующих игр, то битва Либратуса с людьми происходила в несколько ином ключе.

Либратус в переводе с латинского означает “баланс”.

Во-первых, сражался Либратус только в хэдз-апах, во-вторых, только в очень глубоких стеках, в-третьих, размеры этих стеков каждую новую раздачу приводились к исходным – иначе ИИ был просто неспособен играть. Согласитесь, все это очень отдаленно напоминает настоящий покер, пусть даже HUSNG или HU кеш-игру.

Несмотря на все эти факты, которые свидетельствует в пользу не совсем полноценного покерного матча, Либратус все же одержал свою победу на профессионалами, и этому стоит отдать дань уважения. К тому же, сами профессионалы отмечали, что стиль игры Либратуса их сильно поразил, и прежде над некоторыми линиями игры и тактиками они совершенно не задумывались.

Так что же больше всего поразило регуляров в игре Либратуса, и какие фишки программы можно выделить для собственного использования?

1. Выбираем размер ставки, не отталкиваясь от размеров банка

Как подчеркивал один из участников матча, Донг Ким, Либратус максимальным образом использовал то, что они играли именно в безлимитный техасский холдем. Большинство игроков редко идут олл-ин, если размер банка не слишком велик. Либратус действовал в ином ключе, он не обращал внимания на размер банка и мог двинуть все фишки в центр стола при любом удобном случае.

При выборе размера ставки Либратус совсем не опирался на размеры банка. Его основным критерием был характер протекающей раздачи. “Я до этого и подумать не мог, что можно действовать подобным образом. По-моему, все игроки в покер привязывают свой бетсайзинг к размеру пота. Но Либратус этого не делал. Это заставило меня немного переосмыслить игру”, – сказал Ким.

2. Придаем огромное значение блокерам

Либратус, как и любой ИИ, пытался выжимать максимум из доступной ему информации. А в такой игре как покер, где есть ограниченное количество доступной информации, данное умение чрезвычайно полезно. При построении диапазонов противника Либратус уделял огромное внимание своим карманным картам и тому, как они соотносятся с текстурой доски. Наличие блокеров для Либратуса было одним из сигналов для выбора более агрессивной стратегии игры.

3. Баланс, баланс и еще раз баланс

Как говорится, как машину назовешь, так она и поедет. С Либратусом произошла ровно эта история. Как я уже говорил, Либратус с латинского языка переводится как “баланс”, и, естественно, он придает невероятное значение балансу.

Никто никогда не сможет точно сказать блефует ли Либратус или ставит на вэлью (если, конечно, не видит его карт).

Либратус умеет распределять руки относительно каждого возможного действия, что делает эксплойт против него абсолютно невозможным.

4. Много работаем над теорией

До того как сыграть в матче против профессионалов, Либратус ни разу не соревновался в игре в покер с человеком. Его обучение покеру складывалось исключительно из изучения теории: в его программу внесли только правила игры, а остальному он научился после анализа миллиарда различных раздач.

Это позволяло ему принимать наиболее оптимальные решения в каждых спотах. И вот теперь я, наконец, могу дать ответ на главный вопрос этой статьи – может ли человек показывать оптимальную игру в покер? – точно может. Есть даже живой пример, Дмитрий “FREEQ” Никитин, который прославился тем, что отыграл 20,000 турниров Spin&Go за 31 день. К слову, подобную дистанцию некоторые регуляры этой дисциплины не отыгрывают и за год.

Так вот, Дмитрий не только отыграл такое огромное количество спинов, но и по итогу получил солидный профит. Казалось бы, как в таких условиях человек вообще мог принимать осознанные решения в раздачах? Все дело в анализе. Дмитрий уделял разбору раздач невероятное количество времени, может быть, больше все остальных игроков.

“Я играю по GTO-решениям, которые постоянно учу. Если я знаю, что на флопе это бет, неважно, сколько столов, четыре или десять, для меня это бет. И такие очевидные решения я знаю для всех рук”

– говорил Дмитрий после завершения своего марафона. Подобного рода подход и можно назвать оптимальной игрой в покер, когда ты точно знаешь, что нужно делать с определенного типа руками на определенного типа досках.