Robot yang Bermain Poker Bisa Menggertak Lebih Baik Dari Manusia

Ketika sampai pada pemahaman kecerdasan, tantangan terbesar di luar sana bukanlah Rubik’s Cube, atau catur, atau bahkan Go. Permainan ini sulit dalam arti bahwa sering ada banyak pilihan, tetapi masih transparan: tidak ada yang disembunyikan; setiap bit informasi ada di depan Anda. Kendala utama adalah mengubah informasi yang sempurna ini menjadi strategi. Ada seperangkat aturan tetap di luar sana, dan jika komputer dapat menemukannya, itu akan mencapai hasil optimal di setiap game.

 

Ketika Garry Kasparov kalah dari komputer catur Deep Blue IBM pada tahun 1997, ia menyesali pendekatan ini. Alih-alih komputer yang berpikir dan bermain catur seperti manusia, ia kemudian berkata, mereka punya yang bermain seperti mesin.

 

Kasparov berharap permainan seperti situs poker online terbaik akan berbeda. Anda tidak dapat menang dengan mengikuti seperangkat aturan tetap karena beberapa kartu disembunyikan, dan informasi Anda tidak sempurna. Hal yang sama berlaku untuk banyak situasi lain dalam kehidupan, mulai dari negosiasi hingga pelelangan dan perdagangan.

 

Robot Lebih Baik Dari Manusia Ketika Bermain Poker

 

Hasil gambar untuk gambar poker

 

Dimungkinkan untuk menang di game seperti Go dengan mencari seperangkat aturan optimal – seperti yang dilakukan Google DeepMind’s AlphaGo baru-baru ini – tetapi untuk menang dalam game informasi yang tidak sempurna, Anda harus menyesuaikan taktik berdasarkan data yang Anda miliki dan lawan Anda hadapi. Mainkan tangan yang sama dengan cara yang sama, atau terlalu mudah ditebak atau robot, dan Anda mungkin akan kalah.

 

Itulah sebabnya poker telah lama menarik bagi para ilmuwan yang tertarik pada mesin berpikir, dari Alan Turing hingga John von Neumann. Ini juga menarik para peneliti modern yang tertarik pada kecerdasan buatan.

 

Ketika sampai pada pemahaman kecerdasan, tantangan terbesar di luar sana bukanlah Rubik’s Cube, atau catur, atau bahkan Go. Permainan ini sulit dalam arti bahwa sering ada banyak pilihan, tetapi masih transparan: tidak ada yang disembunyikan; setiap bit informasi ada di depan Anda. Kendala utama adalah mengubah informasi yang sempurna ini menjadi strategi. Ada seperangkat aturan tetap di luar sana, dan jika komputer dapat menemukannya, itu akan mencapai hasil optimal di setiap game.

 

When Garry Kasparov lost to IBM’s Deep Blue chess computer in 1997, he lamented this approach. Instead of a computer that thought and played chess like a human, he later said, they got one that played like a machine. Kasparov hoped that games such as poker would be different. You cannot win by following a fixed set of rules because some cards are hidden, and your information is imperfect. The same is true of many other situations in life, from negotiations to auctions and trading.

 

It may be possible to win at games like Go by searching for an optimal set of rules – as Google DeepMind’s AlphaGo recently did – but to triumph in imperfect information games, you must adapt your tactics based on the data you have and the opponents you are facing. Play the same hand the same way, or be too predictable or robotic, and you will likely lose.

 

That is why poker has long appealed to scientists interested in thinking machines, from Alan Turing to John von Neumann. It is also attracting modern researchers who are interested in aartificial intelligence.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *