扑克AI与Solver（下）

在讨论软件如何帮助我们进步之前我想先提出一个问题。就是AI，solver这类软件工具，在处理扑克问题的时候与我们人类区别在哪里？

一言蔽之，哪些事情是软件能做到，人做不到的？

首先，计算机拥有超强的存储能力，在能得出结果的前提下，只要硬盘足够大，就可以精确的的存储所有的策略。而对于人类，(⊙﹏⊙)翻前策略那几百张图你记住了吗？

第二，高速精确的搜索能力，只要算法足够好。计算机就牌面和出牌的评估能力是远远超过人类玩家的，在算法面前，没有经受过训练的人类处理牌面问题，只能说是依靠直觉进行猜想。

第三，软件算的清楚策略，这个清楚不但能定性，而且能定量。只有计算机能承担如此巨大的计算量，清楚的计算某手牌的策略 期望，权益究竟是多少。而人完全无法做到，只能猜想，某个策略也许比较好，期望也许比较高。

而人的直觉性猜想在扑克的一些复杂性情况下往往是有错误的。

第四，软件在算法的支持下，有最大化期望的能力。什么是最好的策略，在扑克中，这个问题的答案是，最大化自己期望的策略。人类玩家在处理扑克问题的时候，没有计算期望的能力，而软件在CFR算法的支持下，可以做到这一点。

那么在这两类软件中，我们需要从solver中学到什么呢？

1.使用solver的学习的时候，先分类。正如我们上个视频中学到的，solver是一个多输入的函数，那么我们在研究的时候需要学会控制变量法。将大问题拆解成若干个不同的小问题。

比如对有效筹码的分类，对位置范围的分类等等。

2. 在扑克学习中学会问出一个精确的问题。在我的培训生涯中，我常常遇到同学们问出一个个模糊的问题。比如这手牌这么打好不好？如果你学习过solver，那么判断策略的好坏是有精确的输入条件进行判断的。

3. Solver给出的策略结果是高度复杂的，人在学习的时候依旧需要从中进行聚类和抽象。转化成人可以学习使用的一个个小套路。

最后，我要破除一个长久以来扑克社区的误解——很多人会建议学生像solver一样思考，而事实上，solver是不会像人一样做逻辑推断的，他是在一定条件下通过类似穷举的方法得到结论，这种方法人学不会，也学不来。

接下来，我们要讨论的是，人从AI中应该学到什么？

1. 我们也要学着去和AI对抗，来看自己抽象聚类的规律是否是正确的，有没有什么样的异常值。关于这一点，训练营开发了自有的训练工具扑克字典，可以和基于solver结果的GTO机器人实时对战，即刻知道自己的策略是否正确。

2. AI并不受情绪波动的影响，而人在扑克游戏过程中容易受情绪波动导致失误，我们要学会成为一个没有感情的杀手。

3. 模仿AI软件的决策路径，这个话题我们之前已经讨论过，这里不再重复。