Pokerowe Teorie GTO - Paradoks Moraveca

To, co wydawało się łatwe/trudne dla sztucznej inteligencji, okazało się czymś przeciwnym, co ma znaczenie również dla pokera.

Jedną z fantastycznych rzeczy, jaką zauważyłem po latach styczności z pokerem, jest to, że dzięki niemu można nauczyć się wiele z innych dziedzin, takich jak AI, ekonomika, teoria gier czy psychologia. Stworzyłem więc serię artykułów o zagadnieniach spoza pokera, które można skutecznie adaptować w naszej ulubionej grze.

We wczesnych dniach sztucznej inteligencji wielu badaczy zakładało, że zaawansowane rozumowanie będzie najtrudniejszym zadaniem dla komputerów. Oczekiwali, że takie czynności jak rozwiązywanie złożonych problemów, gra w szachy na wysokim poziomie czy wykonywanie trudnych obliczeń matematycznych będą wymagały ogromnej mocy obliczeniowej. Jednocześnie sądzili, że umiejętności takie jak chodzenie, rozpoznawanie obiektów czy rozumienie mowy i emocji będą łatwiejsze do zaprogramowania. Okazało się jednak, że jest dokładnie odwrotnie.

To zaskakujące odkrycie znane jest jako Paradoks Moraveca. Rzeczy, które ludzie wykonują bez zastanowienia, jak utrzymywanie równowagi podczas chodzenia czy rozpoznawanie twarzy przyjaciela w tłumie, są niezwykle trudne do nauczenia komputerów. Natomiast zadania, które wiele osób uważa za trudne, jak przeprowadzanie długich obliczeń, komputer potrafi wykonać szybko i łatwo. Powodem jest to, że nasze codzienne zdolności fizyczne i sensoryczne są wynikiem milionów lat ewolucji, podczas gdy logika i myślenie abstrakcyjne to stosunkowo nowy etap w historii człowieka. Komputery są zaprojektowane do tego drugiego typu zadań, więc naturalnie to w nich się wyróżniają.

Paradoks Moraveca pokazuje, że inteligencja to nie tylko rozumowanie abstrakcyjne. Obejmuje ona również postrzeganie świata, poruszanie się w nim i reagowanie w czasie rzeczywistym. Te „proste” dla ludzi umiejętności wciąż stanowią jedne z największych wyzwań dla sztucznej inteligencji i robotyki. Nawet przy współczesnych postępach uczenie maszyn tych zdolności jest powolne i skomplikowane, a luka prawdopodobnie pozostanie jeszcze przez długi czas.

Miękkie umiejętności

Z pokerowego punktu widzenia wiemy już, że techniczna strona gry została w dużej mierze rozwiązana, a przynajmniej jest na dobrej drodze do tego. 

Dzięki technologii solverów mamy pojęcie o tym, jaka jest optymalna linia w rozdaniu. Z każdym rokiem tempo, w jakim możemy „rozwiązać” rozdanie, staje się coraz szybsze (co budzi niepokój). 

Wydaje się jednak, że poker na żywo jest daleki od rozwiązania, jeśli Paradoks Moraveca ma coś do powiedzenia w tej kwestii. Umiejętności miękkie w pokerze, takie jak rozmowa przy stole, wychwytywanie telli czy wyczuwanie, czy przeciwnik jest na tilcie, to coś, czego komputer może nigdy nie opanować. Być może nigdy nie będziemy w stanie założyć inteligentnych okularów i odczytać słabości przeciwnika w taki sposób, w jaki może to zrobić doświadczony profesjonalista grający na żywo. 

Może to tłumaczyć globalny trend wzrostu popularności pokera na żywo od czasu pandemii. Gra na żywo nie jest odporna na zagrożenie ze strony technologii solverów, ale istnieją aspekty doświadczenia gry na żywo, w których tylko ludzie mogą się wyróżniać, a w których aplikacja nie będzie w stanie pomóc.  

Jakie teorie spoza pokera pomogły twojej grze? Daj nam znać w komentarzu.