První systém umělé inteligence, který porazil člověka v pokeru, byl vyvinut českými vědci!

Systém umělé inteligence s názvem DeepStack jako první porazil profesionálního lidského hráče v No-Limit Texas Hold'em Pokeru, což představuje velký milník ve výzkumu umělé inteligence.

Umělá inteligence hrála proti třiatřiceti hráčům, z nichž jedenáct odehrálo po třech tisících hrách. Žádný hráč z první dvacítky nebyl schopen umělou inteligenci porazit. Celková míra vítězství byla výrazně vyšší než náskok, který umělá inteligence potřebovala k pohodlnému vyhrávání profesionálních turnajů.

DeepStack porovnává přístup používaný pro hry s dokonalou informací, jako jsou dáma nebo šachy, kde oba hráči vidí vše na šachovnici, s přístupem používaným pro hry s nedokonalými informacemi. Ptáte se jak? Tím, že během hry uvažuje a používá svou intuici, kterou kloubí s obřími zkušenostmi s hraním tak, aby při každém rozhodnutí přehodnotil svou strategii. Vypadá to tedy jako ideální věc pro online poker a ostatní hry, které potřebují podobnou strategii.

JAK TO CELÉ VZNIKLO?

V lednu 2017 vyvinul tým českých vědců systém umělé inteligence s názvem DeepStack, který dokázal porazit profesionální lidské hráče pokeru v no-limit Texas Hold'em. Bylo to poprvé, kdy systém umělé inteligence dokázal v této složité a strategické hře konzistentně porážet lidské hráče.

Vývoj systému DeepStack vedl Michael Bowling, profesor na Albertské univerzitě, a jeho tým v Computer Poker Research Group Albertské univerzity. Tým spolupracoval s výzkumníky z Univerzity Karlovy v Praze, mezi něž patří Tomáš Rybička, Ondřej Kuželka a Marek Roško.

DeepStack použil k analýze hry a přijímání strategických rozhodnutí kombinaci technik, včetně hlubokého učení. Dokázal přesně vyhodnotit relativní sílu vlastních karet a karet soupeřů a na základě této analýzy činit rozhodnutí.

Úspěch systému DeepStack při porážce lidských hráčů pokeru ukázal působivé schopnosti systémů umělé inteligence při řešení strategických rozhodovacích úloh a má významné důsledky pro řadu oblastí, včetně financí, vojenské strategie, a dokonce i politiky.

KTERÉ ODVĚTVÍ MOHOU ČERPAT Z UMĚLÉ INTELIGENCE?

Umělá inteligence má potenciál být přínosem pro celou řadu odvětví, mimo jiné pro zdravotnictví, finance a vzdělávání.

Ve zdravotnictví lze umělou inteligenci využít k analýze lékařských snímků, předvídání výsledků léčby pacientů a pomoci při diagnostice a plánování léčby. Může také pomoci s administrativními úkoly, jako je plánování a připomínání schůzek, a uvolnit tak čas poskytovatelům zdravotní péče, aby se mohli soustředit na péči o pacienty.

V oblasti financí lze umělou inteligenci využít k odhalování podvodných aktivit, posuzování úvěrového rizika a přijímání investičních rozhodnutí. Může také pomoci s úkoly, jako je zadávání dat a obsluha zákazníků, což umožňuje finančním institucím efektivněji reagovat na potřeby zákazníků.

V oblasti vzdělávání lze AI využít k personalizaci výuky, poskytování další podpory studentům a pomoci s klasifikací a zpětnou vazbou. Může také pomoci s administrativními úkoly, jako je plánování a vedení záznamů.

Celkově má umělá inteligence potenciál zlepšit efektivitu, přesnost a účinnost v široké škále průmyslových odvětví a aplikací.

BUDOUCNOST DEEPSTACKU

Je obtížné předpovědět přesnou budoucnost DeepStacku nebo jakéhokoli konkrétního systému umělé inteligence. Systémy umělé inteligence, jako je DeepStack, se však budou pravděpodobně i nadále rozvíjet a využívat v různých aplikacích.

Jedním z možných směrů vývoje systému DeepStack a podobných systémů umělé inteligence by mohla být integrace těchto systémů do dalších oblastí, kde je důležité strategické rozhodování, jako jsou finance, vojenská strategie a politika. Systémy umělé inteligence, jako je DeepStack, by mohly být potenciálně využívány k analýze dat a přijímání informovaných rozhodnutí v těchto oblastech.

Dalším potenciálním směrem vývoje systému DeepStack by mohla být integrace těchto systémů do složitějších her a scénářů. Systém DeepStack by například mohl být potenciálně přizpůsoben pro hraní složitějších her, jako jsou šachy, nebo by mohl být použit k analýze a rozhodování v reálných scénářích, kde hraje roli více faktorů a proměnných.