热门推荐：
　　原文以How rival bots battled their way to poker supremacy为标题
　　发布在日的《自然》新闻上
　　原文作者：Elizabeth Gibney
　　人工智能利用博弈论策略和深度学习方法，在双人德州扑克中击败人类职业选手。
　　这种复杂的扑克玩法是人工智能（AI）最新涉足的领域，目前已经被成功征服――且成功了两次，征服者分别为两个不同研究团队所研制的对战机器人。
　　这两个人工智能挑战的都是“无限注”双人德州扑克，而且在过去几个月中都取得了里程碑式的成就――他们打败了人类职业选手。
　　去年12月，DeepStack率先赢得比赛。该人工智能由加拿大阿尔伯塔大学的计算机科学家同捷克布拉格查理大学和捷克理工大学的科学家共同研制而成。今年1月，由美国卡内基梅隆大学团队研制的Libratus也取得了同样的功绩。
　　在过去的十年中，两支团队争相研制更为智能的机器人。如今，DeepStack的研究团队已经正式将其人工智能细节发表在《科学》杂志上。
　　本文主要讲述两个人工智能有何区别，其成就对于网上赌场有何影响，以及人工智能还有哪些没有攻克的领域。
　　顶级职业扑克选手已经在无限注德州扑克中败给了人工智能机器人。
Juice/Alamy
　　Q：人工智能研究者为何选择扑克？
　　A：人工智能已经精通了多种棋类游戏，包括国际象棋和围棋等复杂的策略类游戏。而扑克比棋类游戏更为复杂，这是因为它有一处显著不同――选手必须在无法得知赛局所有信息的情况下，制定自己的策略。他们必须根据对下注等过程的观察，猜测对手有什么手牌，并考虑对手对于他们自己的手牌又有怎样的猜测。
　　这样的“不完全信息”博弈更贴近现实生活中解决问题的场景。例如，在拍卖和金融谈判中，就会出现类似情况。而扑克则成为了测试人工智能是否能应对这种情景的平台。
　　人工智能已经掌握了较简单的扑克玩法：阿尔伯塔团队已经于2015年基本掌握了双人有限注德州扑克。DeepStack和Libratus挑战的仍然是双人德州扑克，但下注、跟注的筹码没有上限――正因如此，无限注玩法对于人工智能程序来说更为复杂，也更难掌握。
　　Q：人机比赛过程如何？
　　A：去年11月开始为期四周多的比赛中，DeepStack与11位职业选手各比赛3000手牌，并以统计上显著的优势击败10名选手。
　　今年1月，Libratus则在约12万手牌的比赛中，击败4名更为优秀的专家级职业选手。比赛最终结束时，Libratus共有约180万美元的虚拟筹码。
　　Q：这些人工智能背后有什么数学原理？
　　A：博弈论。两个人工智能都需要摸索出在任何情况下，无论对手如何应对，都能必赢的策略。根据博弈论理论，在一对一扑克这样的零和博弈（即一方有所得，另一方必有所失）里面，这样必赢的策略必然存在。人类选手可能会利用较弱对手的失误而赢得很多筹码，而使用上述策略的人工智能则不在乎赢取筹码的多寡――对于它而言，只要赢得牌局就好。这意味着它不会因为对手的意外之举而不知所措、自乱阵脚。
　　此前挑战扑克的人工智能都是尽可能提前制定策略，计算大量“博弈树”，列出赛局各种可能性的应对办法。但是存在太多的可能性――共有10^160个――不可能全部映射。因此，研究人员最终只处理部分可能情形。赛局中，人工智能会将当前情形与曾经进行计算过的情形相比较，找出最接近的情形，将对应的解决方案进行“转化”，再运用到当前赛局中。
　　与之不同的是，DeepStack和Libratus已经可以实时计算解决方案――就与下国际象棋和围棋的计算机一样。
　　Q：两个人工智能使用的具体方法有何不同？
　　A：DeepStack并非提前列出完整博弈树，而是在牌局中的各个决策点仅重新计算少部分的博弈树，预测可能出现的一些情形。
　　这一办法利用了深度学习，这是借鉴人类大脑的神经网络构造而发明的一种技术(有赖于此，计算机得以打败全世界最优秀的围棋选手)。
　　DeepStack经历逾一千一百万种不同的赛局情形，不断学习，形成了“直觉”，已经能够在赛局的某一节点预判赢率。因此，它只需要较短的时间（仅约5秒）来计算较少的可能性，并实时做出决策。
　　Libratus团队还没有将具体方法发表出来，因此目前还不清楚Libratus具体工作原理。不过已经清楚的是，在牌局早期，Libratus借鉴曾经进行计算过的情形，使用“转化”法，然后做出决策；而当牌局进行到后期，人工智能可以获悉更多信息时，再将策略进行优化。至于其他时候，随着牌局的进行，可能性越来越少，Libratus也会对解决方案进行实时计算。
　　Libratus同样加入了一种特殊的学习元素。它的开发者为它增加了自我优化的模块，可以自动分析它的玩牌策略，了解对手如何利用其弱点。在此基础上，他们再对Libratus方法上的漏洞进行修复。
　　这两种方法需要拥有明显不同的计算能力：DeepStack受训175核年――相当于一个处理器运行175年、或几百台计算机运行数月的工作量。而在牌局中，它仅需要一部笔记本电脑即可进行操作。Libratus则不同，它在赛前和比赛中均使用超级电脑，大约相当于2900核年的工作量。
　　Q：人工智能是否也会虚张声势？
　　A：会。通常人们认为虚张声势是人类才会做的行为，至于计算机，它们不会去了解、预测对手行为，而是完全基于牌局中隐含的数学原理而进行决策。虚张声势通常只是为防止对手通过自己的下注规律猜到自己手牌而采取的一种策略。
　　Q：那么，哪个成果更为突出呢？
　　A：见仁见智。有关专家对于两个方法的复杂性有些争议，但总体来说，两个人工智能都玩了足够多手牌，均已取得统计上显著的胜利――并且都是与职业选手进行比赛。
　　Libratus玩了更多手，但DeepStack则不需要这么做，因为其团队使用了一种复杂的统计方法，可以通过较少的牌局就能取得显著结果。Libratus击败的专业选手要更为优秀，但平均来说，DeepStack获胜的优势更大些。
　　Q：两个人工智能会进行对决吗？
　　A：也许会。不过，两者计算能力存在巨大差距，因此在牌局中的玩牌速度有所不同，这可能是比赛所面临的一个症结。因此，如何制定让双方都会同意的比赛规则就成了难题。
　　阿尔伯塔大学计算机科学家、同时也是DeepStack开发者之一的Michael Bowling表示，他们的团队愿意与Libratus进行比赛。可是Libratus的开发者、卡内基梅隆大学的Tuomas Sandholm则表示，他希望DeepStack能够先打败Baby Tartanian8，这是他们团队之前设计的人工智能，功能没有Libratus强大。
　　Bowling强调，比赛将存在一个重要的局限：赢得赛局也不一定意味着人工智能性能更好。两者都尽力打出完美比赛，但能够实现这一目标的策略在正面交锋中未必总是存在。一方人工智能有可能无意中发现另一方策略上的漏洞，但这并不能说明另一方的整体策略上存在更多或者更严重的漏洞。Bowling说，除非一方以较大优势获胜，“否则我觉得，这样的比赛不会如人们期待那样，提供很多有用的信息”。
　　Q：人工智能掌握扑克玩法，是否意味着网上扑克游戏的终结？
　　A：不是。虽然顶级选手已经开始进行人机对战训练，但许多网上赌场禁止玩家在赛局中使用计算机。
　　Q：现在，计算机已经达成了人工智能历史上的又一座里程碑，那么还有哪些领域没有被攻克呢？
　　A：至今仍存在着几座高峰等待人工智能去攀登。从某种程度上来说，这是由于许多尚未被人工智能掌握的游戏，比如桥牌，其规则更为复杂，目标也就不那么明显。
　　两个团队接下来的研究主题自然是掌握多人扑克。这几乎意味着一切从头开始，因为零和博弈理论不再适用于这一领域。例如，在三人扑克中，某个选手的失误，有可能会间接妨碍对手，而不是让对手获益。
　　不过Bowling也提到，哪怕理论不再适用，深度学习所形成的直觉，仍有望帮助人工智能找到解决方案。他说，他们的团队最初在有限注三人德州扑克中尝试类似办法时，结果就出人意料的好。
　　另外一个挑战则是训练人工智能在不知晓游戏规则的情况下进行游戏，并且在游戏中逐渐自己发现游戏规则。这样的场景更真实地反映了人类在现实世界处理问题时的情形。
　　最终的考验将是研究不完全信息算法如何在信息不完整的情况下，解决复杂的现实问题，比如金融和网络安全方面的问题。?
Nature|doi:10.1038/nature.
　　相关文章
　　2016年底，一个被称为Master的神秘玩家在网上围棋游戏中虐遍世界顶级选手，后来发现“他”其实就是升级版的AlphaGo。
　　点击此处阅读：
　　您的意见很重要
　　我们迫切地想知道《自然》中文版网站（/zh-cn/）的各位用户的使用体验，以及希望在将来看到的内容类型。请点击下面的二维码参与我们的调查，帮助我们未来做得更好。
　　版权声明：
　　本文由施普林格&自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。
　　& 2017 Macmillan Publishers Limited, part of Springer Nature. All Rights Reserved
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
知名IT评论人，曾就职于多家知名IT企业，现是科幻星系创建人
未来在这里发声。
新媒体的实践者、研究者和批判者。
立足终端领域，静观科技变化。深入思考，简单陈述。
智能硬件领域第一自媒体。德州扑克都精通？人工智能打牌胜率居然这么高-基础器件-与非网
在太平洋这头的中国，谷歌旗下DeepMind研发的阿尔法狗（）刚刚披着&Master&的马甲战胜了&当今第一人&柯洁，宣告着在围棋领域的胜出，在太平洋那头的加拿大，人类在德州扑克领域也要失守了？来自加拿大和捷克的10位科学家近日在预印本网站arXiv上载了一篇题为《DeepStack：无限注德扑的专业级人工智能玩家》的论文，介绍了一种能在一对一无限注德州扑克中击败人类玩家的新算法DeepStack。
在过去的20年里，我们见证了许多游戏领域在人工智能面前纷纷&沦陷&，比如西洋双陆棋、跳棋、国际象棋和围棋。人工智能在这些领域发挥的难度，主要取决于这些游戏需要作出的决策点（decision points）数量。一盘围棋游戏约包含有10的170次方个决策点。
但是，围棋等棋类游戏是完美信息游戏，也就是说，所有玩家在游戏中能获得的确定性信息是对称的。但除此之外，人类生活中还要面临更多非完美信息的情景，正如计算机之父冯&诺依曼所说，&现实世界与此不同，现实世界包含有很多赌注、一些欺骗的战术，还涉及你会思考别人会认为你将做什么。&
德州扑克就是这样一种包含了欺骗、推测的非完美信息游戏，玩家只能掌握自己手上的牌，通过这种非对称的信息与对手进行博弈。
因此，虽然一对一无限注德扑游戏中包含10的160次方个决策点，要少于围棋，但它对人工智能的推理能力提出了更高的要求。
在过去，研究人员往往采用一种压缩型的策略来开发算法，即通过把原始版本游戏中的设计和行为转移到一个被压缩了的情境下推理。但在压缩的过程中，信息会出现丢失，造成此前人工智能从未在扑克领域击败人类玩家。
而这个加拿大和捷克的合作团队开发的新算法DeepStack，则注重培养人工智能出牌时的&直觉&。在运用深度学习，反复自我博弈之后，DeepStack学会了在每一个具体情境出现时进行推理。这非常接近人类玩家的&牌感&，即在当前情境下对个人牌面大小的感觉，并作出相应的决策。
该团队邀请了来自17个国家的33名专业扑克选手挑战DeepStack，在日到12月12日之间共进行了44852次较量。DeepStack成为了首个在一对一无限注德扑中战胜人类玩家的人工智能，并且平均胜率达到了492mbb/g（milli-big-blinds per game，一般职业玩家认为50mbb/g是个门槛）。
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
手机缘分测试……
旗下网站：
与非门科技(北京)有限公司 All Rights Reserved.
京ICP证:070212号
北京市公安局备案编号： 京ICP备：号最 靠谱 的软件外包伙伴
您的位置： &
& DeepMind人工智能算法可以战胜所有人类大师
DeepMind人工智能算法可以战胜所有人类大师
日，谷歌AI&&Alphago战胜人类围棋冠军的消息让科技圈振奋，让围棋圈惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind，关于Deepmind，国内人工智能圈人士都有所耳闻，但熟悉者恐怕不多。这究竟是一家什么样的公司？
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访，视频来自Nature、后期由黑匣整理：
2011年，杰米斯&哈萨比斯在埃隆&马斯克等人的投资下，成立了一家人工智能初创公司DeepMind，现在，这家公司已经变成了世界上最有价值的公司之一。2014年6月，哈萨比斯和DeepMind的另两位联合创始人肖恩&列格、穆斯塔法&苏莱曼达成一致意见，同意将DeepMind以4亿美元的价格卖给谷歌。昨天，谷歌DeepMind推出的人工智能算法打败了人类围棋选手，震惊世界。
谷歌为何收购？Deepmind牛逼在哪里？来看看哈萨比斯在接受Backchannel采访时的答案。
Backchannel：谷歌是一个人工智能公司吗？他们有什么吸引你们的地方呢？
哈萨比斯：是的，人工智能是谷歌的核心。一开始，我在思考谷歌的使命&组织全球信息，并让其为所有人可用&。我的理解是，让人们通过知识而变得有力量。这样来理解人工智能，你就会发现它是一个非常自然的东西。我们致力于研究强人工智能（AGI），它可以自动将非结构化信息转换成可以直接利用的知识。
Backchannel：拉里&佩奇（谷歌联合创始人）是影响你决定将DeepMind卖给谷歌的关键人物吗？
哈萨比斯：是的，他非常重要。拉里和别人不同，他对人工智能是120分感兴趣，认为人工智能十分酷。现在很多大公司逐渐意识到人工智能的力量，都企图涉足这个领域并做出些什么成果来，但我认为他们的热情是绝对比不上谷歌的。
Backchannel：所以包括马克&扎克伯格领导下的Facebook也是如此吗？他可是认为AI不仅仅是一个工具，而是一种使命呢。
哈萨比斯：是的。这一切会随着时间而变化。我也相信人工智能是人类发展史上最重要的事情之一，但扎克伯格缺乏像拉里那种刨根问底的劲儿，他在意的是别的事情&&与人们沟通才是他的目标。当然，扎克伯格也对一些黑科技感兴趣，比如Oculus。我也曾经做过电脑游戏和图形，但对于我来说，最重要的一直是人工智能。
Backchannel：谷歌的基础设施能为你们带来多大的提高呢？
哈萨比斯：非常大！这也是我们选择谷歌的另一重要原因。我们有大量的风险投资和支持者，但在计算机基础建设和工程基础设施方面，谷歌有着十年的经验。现在，我们的研究内容大大增加，速度大大提升，因为我们可以并行100万次实验。
Backchannel：你所取得的巨大飞跃，不仅包括结构化数据库的深入研究，还包括互联网非结构化信息（如文档和图像）的研究和利用，是吗？
哈萨比斯：是的。这将是未来几年的发展趋势。我认为发展人工智能的唯一方法就充分利用这些非结构化信息，这样的方法也称为&无监督学习&，你只需要给它数据就好，它会自己学习，理解事物结构、目标，并采取行动。这就是我们想要研究的人工智能。
Backchannel：谷歌的神经网络先驱杰夫&辛顿是你的同事之一，他的研究对你的影响大吗？
哈萨比斯：当然，十分重大。他在2006年的成就对整个领域有着革命性的影响，他引进了深度神经网络这个概念，也就是深度学习。另一方面，我认为深度学习也十分重要。目前，DeepMind的大量研究成果都是建立在这两个领域的基础之上的。我们的雅达利游戏机人工智能算法，就是一个很好的例子。
Backchannel：你们的研究有什么特别之处？
哈萨比斯：我们的公司叫做DeepMind，很显然，我们专注于深度学习。但我们也对神经系统科学十分感兴趣。
Backchannel：我们对自己的大脑越了解，越有助于我们建立机器智能？
哈萨比斯：是的。学习算法的有趣之处就在于它们是有等级之分的。我们赋予算法能力，让它们可以从经验中学习，就像人类一样。但它们可以举一反三，帮助我们解决很多人类无法解决的问题。当算法在雅达利游戏程序中提出一个程序员不知道的新战略时，我们都十分兴奋。当然，要做到这些，你得先拥有一群足智多谋的程序员和研究人员，就像我们DeepMind一样，构建可以学习的智能算法。
Backchannel：换句话说，我们需要大量人类智慧来构成这样的系统，然后我们才可以&&
哈萨比斯：才可以创造出解决复杂和高难度任务的系统，比如下棋。我们并没有单独的围棋计划，但我们将推出一个人工智能算法，可以横扫一切棋类博弈，这样可以节省大量的编程时间。同时，我们对可以自动学习新领域的算法也十分感兴趣。就像人类一样，只要你看过别人下棋玩牌，就能对游戏规则略知一二了。如果你接触一个新的棋牌游戏，你会凭着已有的经验很快上手。
Backchannel：每个算法系统都会有它的限制性吗？你认为怎样的系统算法才可以学到一切东西？
哈萨比斯：这是一个普遍性的问题。我们的研究项目慢慢地扩大研究领域，我们的原型是人类大脑。我们可以系鞋带，我们会骑自行车，在物理运动世界中几乎没有什么是人类搞不定的。所以，我们也相信这样的系统算法是完全有可能的。
Backchannel：可以谈谈关于你刚从牛津大学收购的两支团队吗？
哈萨比斯：牛津大学出来的可都是牛人啊。这两个团队中，一个团队（前深蓝实验室）由菲尔&布鲁瑟姆教授领带，利用深度神经网络来研究神经语言理解。我们利用的是深度神经和词向量等工具，而不是过时的NLP逻辑技术。我们兴趣相投所以就一起共事了，于是我们的系统中有了语言嵌入。另一个团队则是南多&德&费尔塔斯教授领导的世界著名的计算机视觉团队。
Backchannel：这些团队研究最终会产生同一个研究成果？
哈萨比斯：是的，这些所有的研究会让我们的成果更棒。
Backchannel：DeepMind团队即将致力于谷歌哪些产品提升呢？
哈萨比斯：我们对于谷歌来说仍然是新成员，但我们的技术可以应用到谷歌产品的方方面面。我们将改善谷歌搜索引擎，我们将向YouTube学习。我们正在想办法让Google Now像个人助理一样更好地理解你的需求，这也许能用到自动驾驶汽车上。
Backchannel：那视频搜索呢？
哈萨比斯：这是另一个重点。你想通过动作而不是输入文字来完成搜索吗？这就是目前视觉团队在研究的方向，不仅仅是图像识别，还有动作识别。
Backchannel：从长远来看，你们打算为谷歌做些什么呢？
哈萨比斯：说实话，我对强人工智能的潜力十分重视，还有人工智能协助科学。我们对所有的科学领域都充满了期待，疾病、气候、能源、经济学，但这些领域都充满了海量的信息和数据。人类科学家要分析这些数据并得出成果是难上加难，我说的不是一个科学家，也包括一群非常聪明的科学家小组。所以，我们需要人工智能和机器学习来帮助我们，理解海量的信息和数据，在不同领域推陈出新。我希望以后谷歌的每项成果中都能看见我们的影子，包括Calico抗衰老项目和生命科学研究项目。
Backchannel：你对电影《她》怎么看呢？
哈萨比斯：从美学上来说，我很欣赏这部电影。它在某些方面讲述了人工智能的积极效应，这部电影对于计算机感情等方面的展示十分有趣。但我认为又有些不现实，电影中这么强大的人工智能居然只困在一部手机中，做一些日常家务。但这是革命性的科学&&至少来说，它应该呈现给我们一个非常不一样的世界才对吧？
Backchannel：你们的实验室中已经产生了众多成果，但要让它们走出实验室、走向大众，应该很难吧？
哈萨比斯：是的，但这是一个循序渐进的过程。一开始，我们发现问题，寻找解决方案，然后我们接触了神经学科，然后我们发现机器学习可以把雅达利游戏玩得十分溜。目前DeedMind的四分之三的团队都在研究，只有四分之一的团队成果得到应用（包括谷歌其他产品），但他们却是联系研究内容的接口。
Backchannel：你曾经在游戏领域叱咤风云，但你离开了，是因为你想了解更多关于大脑的奥秘吗？
哈萨比斯：是的。实际上，我的整个职业生涯，包括游戏在内，都是我建立人工智能公司的垫脚石。在我十几岁的时候，我就认定人工智能将是我这辈子最重要的目标。
Backchannel：当你登上游戏领域的宝座，被称作游戏神童时，你甚至成立了自己的工作室，你只是觉得&OK，我该去研究下神经科学了&就转行了吗？
哈萨比斯：也不全是，不如说&看看我是如何打着游戏的幌子如何推动人工智能的发展的&更恰当。《黑与白》可以说是我的巅峰，之后又有了《主题公园》和共和国的战绩。大概在2004年至2005年的时候，我觉得这种和商业环境紧密结合的游戏可以推动游戏的发展，它们和普通的移动游戏不一样，我们可以和人工智能一起打游戏。
然后我就开始构思DeepMind，那时候是2004年。但是我很快意识到，我还没有足够的力量来组建这样的一个团队，当时的深度学习还没有出现，计算机也不够强大。然后我就开始思索，我该读个什么博士好呢？好像神经科学比人工智能更实在，因为我想学习一套全新的思想套路，而且当时我也认识不少人工智能世界级牛人了。
Backchannel：在你研究大脑的这些年，哪项收获对你创立一家人工智能公司帮助最大？
哈萨比斯：很多，绝对不止一项。一是增强学习，为什么它如此重要呢？我们通过神经科学来研究新算法并验证现有的算法。在90年代，彼得&达扬用猴子做了一个实验，发现神经元是学习过程中致力于增强学习的关键。因此，将其用作人工智能系统的元素并不是一个疯狂的想法。
另一个是海马体，我觉得它是大脑中最迷人的区域。深度学习本质上是在模仿大脑皮层的活动。但海马体是大脑的一个关键部分，构造十分独特，没有了它，你就没有了记忆。所以我对它的工作方式十分好奇。当你睡觉的时候，你的大脑算法会重播白天活动的记忆，也就是所谓的&日有所思，夜有所梦&。我们把这个功能用到雅达利算法上，通过重播游戏轨迹，对它进行不断的培训，直到它在游戏中战无不胜。
Backchannel：你所说的大脑的算法，是严格的说法还是一种隐喻呢？
哈萨比斯：算是一种隐喻吧。虽然我们不会建造出一个人造海马体，但它确实是一个具有细节的原型。有很多机器学习研究人员都忽略了人类大脑，这是不对的。人类大脑中有很多知识都是可以运用到算法中去的。
Backchannel：目前你在工作中遇到的最大问题是什么呢？
哈萨比斯：最大的问题就是转移学习。你已经掌握了一个领域的知识，你如何才能把这些知识运用到新领域去呢？这是一个关键问题。目前，我们擅长于处理可以感知的信息，然后产生相关行动。但若进入了下一个级别，在概念这个层面上，没有人可以做到这一点。
Backchannel：谷歌收购DeepMind的协议中有一条是&公司设立人工智能伦理委员会&，这是什么东西呢？它的作用是？
哈萨比斯：这是一个独立的顾问委员会。我认为人工智能可以改变世界，这是一项神奇的技术。但所有的技术本质上都是中立的，它们可以被好人或坏人所利用，所以我们必须对它们的使用者负责。我和我的合伙人对此已经思考良久，谷歌吸引我的另一点也是因为他们对此表示赞同。
Backchannel：目前这个委员会做了些什么呢？
哈萨比斯：目前还没有，它只是刚刚成立，但它并不会约束我们。但委员会会监督DeepMind的研究成果不被用到军事或情报上。
Backchannel：如果你把这项技术带向世界，你认为一个委员会真的可以控制它吗？
哈萨比斯：我认为它绝对可以影响受过教育的人们。他们正在不断壮大，他们有时间去理解技术的细节。这个委员会里还包括一些顶级的计算机、神经科学和机器学习方面的教授。
Backchannel：能告诉我们是谁吗？
哈萨比斯：不行，这得保密。我们认为委员会十分重要，应该远离公众视线，特别是在现在的初始过度阶段。目前还没有出现什么问题，但在未来的五年十年，就不能保证人工智能只是被用来打打游戏了。当然委员会的透明度也很重要，我们研究小组正在讨论这些伦理问题，我们要确保科学的发展是可控的，有利于人类的可持续发展。
关于：中科研拓
深圳市中科研拓科技有限公司专注提供软件外包、app开发、智能硬件开发、O2O电商平台、手机应用程序、大数据系统、物联网项目等开发外包服务，十年研发经验，上百成功案例，中科院软件外包合作企业。通过IT技术实现创造客户和社会的价值，致力于为用户提供最佳的软件解决方案。联系电话400-，邮箱，网址
&& &&[] [] [] &&
[深圳总部]
深圳市南山区南头关口二路智恒产业园19栋402室
[成都分公司] 成都市高新区天府大道中段吉泰五路88号香年广场T2-1609
[厦门分公司] 厦门市思明区观音山商务运营中心12号2层
[广州分公司] 广州市海珠区墩和路189号海珠科技创业服务中心1号楼310室
[江门分公司] 江门市蓬江区东华二路2号之一2105室人工智能在德州扑克比赛中打败人类职业玩家_新浪财经_新浪网
2016券商满意度评选：谁是您心中的最佳券商
警报：极端股暗潮涌动 迎变盘期
证券时报网（）01月12日讯 加拿大与捷克研究人员开发了扑克，它已经在一对一比赛和无限下注德州扑克比赛中打败了人类职业玩家，扑克机器人的胜利标志着AI取得了新的突破。 （证券时报网快讯中心）