Spelande datorer klår människor i poker

1:56 min

De har redan slagit oss i schack, Go och dam. Nu får vi även anse oss besegrade i poker. Libratus och DeepStack är två datorprogram som på varsitt håll slagit mänskliga pokerproffs i No-Limit Texas Hold'em.

Nyligen vann datorprogrammet Libratus en turnering mot några av världens bästa spelare i Heads-up No-Limit Texas Hold'em, alltså i en turnering där spelarna möts två och två.

Nu presenteras DeepStack, ett program som tagits fram av forskare från Edmonton och Prag. När det utvärderades i slutet av 2016 fick mänskliga pokerspelare möta programmet. DeepStack avgick med flest segrar.

Tekniken bakom spelande artificiell intelligens är fortfarande i sin linda, men i framtiden kan den spela en stor roll i samhället.

– Det här är en modell för allmänmänskligt beslutsfattande. I och med att man lyckats automatisera något så komplicerat som poker, så innebär det att det kanske finns andra saker som kan automatiseras. Till exempel ekonomiska beslut om investeringar, säger Stefan Carlsson, professor i datavetenskap på KTH i Stockholm.

Utmaningen med just poker är att spelarna inte har samma information. Men forskarna bakom DeepStack har nu utvecklat en slags artificiell intuition. Inför varje spelomgång kan programmet beräkna vilka scenarier som är mest troliga, och vilka kort som antagligen är bäst att behålla, just då.

Ännu så länge har DeepStack bara spelat mot en mänsklig motspelare i taget, men enligt forskarna kan tekniken inom bara några år tillåta ett spel mot flera människor samtidigt.

Ulf Engström, ordförande för Svenska pokerförbundet, ser både för- och nackdelar med den nya tekniken.

– Det positiva är att det här, en gång för alla, bevisar att poker är ett kunskapsspel. Den lite tråkigare delen är ju vilka effekter det här kan få på nätpoker. Hur kan man vara säker på att man spelar mot en person i andra änden, säger Ulf Engström.

Referens: M. Moravčík, et al. Expert-leve artificial intelligence in head-up no-limit poker, Science 10.1126/science.aam6960 (2017)