State-space abstraction. Human-scal

State-space abstraction. Human-scale poker games are far too large to exactly compute optimal strategies. Instead, a technique is used to simplify the game down to a size where we can compute good (but no longer perfect) strategies. This usually means finding decision points in the game that are strategically similar and merging them together. Automated techniques for doing this will become more and more important as we move from two-player limit Texas hold'em to larger games, like no-limit or multi-player games.
Multi-player games. The most successful approach to date for making strong computer poker agents uses the mathematics of game theory to decide how to pick actions so that the strategy cannot lose much, or at all, against a perfect opponent. In games with more than one opponent, however, the mathematical guarantees of this approach are no longer useful. Instead of using a single precomputed strategy, a good computer poker agent will instead have to observe its opponents and choose a strategy that works well in response. This is largely an open problem.
Adapting to opponents during a match. The goal of poker is to maximize the amount of money won from the opponents. However, the game theoretic approach to the game pursues a different goal, by trying to minimize how much money is lost to a perfect adversary. In order to win as much as possible from an opponent, a player has to observe the opponent's actions, find out what mistakes the opponent is making, and change their strategy in response to take advantage of those mistakes. Computer poker research has led to effective techniques that work when the opponent is observed for millions of games, but human players are able to adjust their strategy after only tens or hundreds of games.

ผลลัพธ์ (ไทย) 1:

พื้นที่รัฐ abstraction เกมโป๊กเกอร์มาตราส่วนบุคคลมีขนาดใหญ่เกินไปจะคำนวณว่ากลยุทธ์ที่ดีที่สุด แทน เทคนิคการผลิตเพื่อทำเกมลงขนาดซึ่งเราสามารถคำนวณกลยุทธ์ดี (แต่ไม่สมบูรณ์) นี้มักจะหมายถึง การค้นหาจุดตัดสินใจในเกมที่มีกลยุทธ์เหมือนกัน และผสานเข้าด้วยกัน เทคนิคอัตโนมัติสำหรับการทำเช่นนี้จะกลายเป็นสิ่งสำคัญมากเราเข้าไปจากผู้เล่นสองจำกัดเท็กซัสโฮลด์เกมขนาดใหญ่ เช่นเกมผู้เล่นหลายคน หรือไม่มีวงเงินเกมผู้เล่นหลายคน วิธีประสบความสำเร็จมากที่สุดวันที่สำหรับการทำตัวแทนคอมพิวเตอร์แข็งแกร่งโป๊กเกอร์ใช้คณิตศาสตร์ ของทฤษฎีเกมในการตัดสินใจวิธีการเลือกการดำเนินการเพื่อให้กลยุทธ์ไม่สูญเสียมาก หรือทั้งหมด ฝ่ายตรงข้ามที่เหมาะสมกับ ในเกมกับฝ่ายตรงข้ามมากกว่าหนึ่ง อย่างไรก็ตาม ประกันคณิตศาสตร์ของวิธีการนี้จะไม่มีประโยชน์ แทนที่จะใช้กลยุทธ์ precomputed เดี่ยว ตัวแทนโป๊กเกอร์ดีคอมพิวเตอร์แทนได้สังเกตของฝ่ายตรงข้าม และเลือกกลยุทธ์ที่ดีในการตอบสนอง ส่วนใหญ่มีปัญหาที่เปิดอยู่การปรับให้ฝ่ายตรงข้ามในระหว่างการแข่งขัน เป้าหมายของโป๊กเกอร์คือการ เพิ่มจำนวนเงินที่ชนะจากฝ่ายตรงข้าม อย่างไรก็ตาม วิธี theoretic เกมเกม pursues เป้าหมายแตกต่างกัน การพยายามลดจำนวนเงินหายโมโหโก การชนะ มากที่สุดจากคู่ต่อสู้ ผู้เล่นได้สังเกตการกระทำของฝ่ายตรงข้าม ค้นหาข้อผิดพลาดอะไรคือการทำให้ฝ่ายตรงข้าม และเปลี่ยนแปลงกลยุทธ์ของพวกเขาในการตอบสนองการใช้ประโยชน์จากข้อผิดพลาดเหล่านั้น วิจัยคอมพิวเตอร์โป๊กเกอร์ได้นำไปสู่เทคนิคที่มีประสิทธิภาพที่ทำงานได้เมื่อฝ่ายตรงข้ามจะพบนับล้านของเกม แต่ผู้เล่นที่มนุษย์จะสามารถปรับกลยุทธ์ของพวกเขาหลังจากสิบเท่าหรือหลายร้อยเกม

ผลลัพธ์ (ไทย) 2:

นามธรรมรัฐพื้นที่ เกมมนุษย์ขนาดโป๊กเกอร์อยู่ห่างไกลที่มีขนาดใหญ่เกินไปที่จะคำนวณว่ากลยุทธ์ที่ดีที่สุด แต่เทคนิคที่จะใช้ในการลดความซับซ้อนของเกมลงไปขนาดที่เราสามารถคำนวณที่ดี (แต่ไม่สมบูรณ์แบบอีกต่อไป) กลยุทธ์ นี้มักจะหมายถึงการหาจุดตัดสินใจในเกมที่มีความคล้ายคลึงกันในเชิงกลยุทธ์และการรวมเข้าด้วยกัน เทคนิคอัตโนมัติสำหรับการทำเช่นนี้จะกลายเป็นมากขึ้นและมีความสำคัญมากขึ้นในขณะที่เราย้ายจากสองผู้เล่นขีด จำกัด Texas Hold'em เกมใหญ่เช่นไม่มีขีด จำกัด หรือผู้เล่นหลายเกม
เกมผู้เล่นหลาย วิธีการที่ประสบความสำเร็จมากที่สุดในปัจจุบันสำหรับการทำตัวแทนโป๊กเกอร์คอมพิวเตอร์ที่แข็งแกร่งใช้คณิตศาสตร์ของทฤษฎีเกมที่จะตัดสินใจว่าจะเลือกการกระทำเพื่อให้กลยุทธ์ที่ไม่สามารถสูญเสียมากหรือทั้งหมดกับฝ่ายตรงข้ามที่สมบูรณ์แบบ ในเกมที่มีมากกว่าหนึ่งฝ่ายตรงข้าม แต่ค้ำประกันทางคณิตศาสตร์ของวิธีการนี้จะไม่มีประโยชน์อีกต่อไป แทนการใช้กลยุทธ์ precomputed เดียวตัวแทนโป๊กเกอร์คอมพิวเตอร์ที่ดีแทนจะต้องสังเกตฝ่ายตรงข้ามและเลือกกลยุทธ์ที่ทำงานได้ดีในการตอบสนอง นี้เป็นส่วนใหญ่ปัญหาเปิด
ปรับตัวเข้ากับฝ่ายตรงข้ามในระหว่างการแข่งขัน เป้าหมายของโป๊กเกอร์คือการเพิ่มจำนวนเงินที่ได้รับรางวัลจากฝ่ายตรงข้าม อย่างไรก็ตามเกมวิธีการตามทฤษฎีเกมแสวงหาเป้าหมายที่แตกต่างกันโดยพยายามที่จะลดการใช้เงินเท่าไหร่จะหายไปฝ่ายตรงข้ามที่สมบูรณ์แบบ เพื่อที่จะชนะมากที่สุดเท่าที่เป็นไปได้จากฝ่ายตรงข้ามผู้เล่นที่มีการสังเกตการกระทำของฝ่ายตรงข้ามหาสิ่งที่ผิดพลาดของฝ่ายตรงข้ามคือการทำและการเปลี่ยนแปลงกลยุทธ์ของพวกเขาในการตอบสนองการใช้ประโยชน์จากความผิดพลาดเหล่านั้น วิจัยโป๊กเกอร์คอมพิวเตอร์ได้นำไปสู่เทคนิคที่มีประสิทธิภาพที่ทำงานเมื่อฝ่ายตรงข้ามเป็นที่สังเกตสำหรับล้านของเกม แต่ผู้เล่นของมนุษย์มีความสามารถในการปรับกลยุทธ์ของพวกเขาหลังจากนั้นเพียงสิบหรือหลายร้อยเกม

ผลลัพธ์ (ไทย) 3:

นามธรรมพื้นที่รัฐ เกมโป๊กเกอร์คนไกลขนาดใหญ่เกินไปจริงๆ หากลยุทธ์ที่เหมาะสมได้ แทน เป็นเทคนิคที่ใช้เพื่อลดความซับซ้อนของเกม เหลือไซส์ที่เราสามารถคำนวณดี ( แต่ไม่สมบูรณ์ ) กลยุทธ์ นี้มักจะหมายถึงการหาจุดการตัดสินใจในเกมที่คล้ายกันกลยุทธ์และรวมเข้าด้วยกันเทคนิคสำหรับการทำเช่นนี้โดยอัตโนมัติจะกลายเป็นมากขึ้นและที่สำคัญตามที่เราย้ายจากสองขีด จำกัด เท็กซัสโฮลด์เกมผู้เล่นขนาดใหญ่ เช่นไม่มีขีดจำกัดหรือหลายผู้เล่นเกม
หลายผู้เล่นเกม ที่ประสบความสำเร็จมากที่สุดวิธีการอาจทำให้ตัวแทนโป๊กเกอร์คอมพิวเตอร์ที่แข็งแกร่งใช้คณิตศาสตร์ทฤษฎีเกมที่จะตัดสินใจเลือกวิธีการเลือกการกระทำเพื่อให้กลยุทธ์ที่ไม่สามารถสูญเสียมากหรือทั้งหมดกับฝ่ายตรงข้ามที่สมบูรณ์แบบ ในเกมที่มีมากกว่าหนึ่งของฝ่ายตรงข้าม อย่างไรก็ตาม การค้ำประกันทางคณิตศาสตร์ของวิธีการนี้จะไม่เป็นประโยชน์ แทนการใช้กลยุทธ์ precomputed เดียวตัวแทนโป๊กเกอร์ที่ดีคอมพิวเตอร์แทนจะต้องสังเกตของฝ่ายตรงข้ามและเลือกกลยุทธ์ที่ใช้ได้ดีในการตอบสนอง นี้เป็นส่วนใหญ่ปัญหาเปิด .
ปรับตัวเข้ากับฝ่ายตรงข้ามในระหว่างการแข่งขันเป้าหมายของโป๊กเกอร์คือการ เพิ่มจำนวนเงินที่ได้รับจากฝ่ายตรงข้าม อย่างไรก็ตาม เกมทฤษฎีแนวทางเกม pursues เป้าหมายแตกต่างกัน โดยพยายามที่จะลดเงินหายไปเท่าไหร่กับคู่ต่อสู้ที่สมบูรณ์แบบ เพื่อที่จะชนะมากที่สุดเท่าที่เป็นไปได้จากฝ่ายตรงข้าม ผู้เล่นได้สังเกตการกระทำของฝ่ายตรงข้าม , หาสิ่งที่ผิดฝ่ายตรงข้ามคือ การทําและเปลี่ยนกลยุทธ์ของพวกเขาในการตอบสนองการใช้ประโยชน์จากข้อผิดพลาดเหล่านั้น เพื่อโป๊กเกอร์คอมพิวเตอร์ได้นำเทคนิคงานนั้นมีประสิทธิภาพเมื่อฝ่ายตรงข้ามเป็นสังเกตสำหรับล้านของเกม แต่ผู้เล่นของมนุษย์จะสามารถปรับกลยุทธ์ของพวกเขาหลังจากเพียงสิบหรือหลายร้อยเกม