虽然 Libratus 赢得过程的细节仍然是个秘密。但是我们能在卡耐基梅陇大学之前的研究基础上，凭经验猜出个八九不离十。最有趣的或许是这次的胜利依靠更多的是 Good Old Fashioned AI（GOFAI）而不是当前时髦的深度学习过程。就像象棋比赛中的深蓝一样，Liberatus 用了很多蛮力计算来发挥到最佳水平。我们知道它动用了匹兹堡的超级计算中心来完成每一场比赛。

　　每个夜晚，Libratus 都会使用这台超级计算机优化它的策略。这么做是为了防止大家觉得这样对人类选手不公平，职业选手在每场比赛后晚上也聚在一起为第二天的比赛商讨表现和计划。

　　Libratus 还利用了博弈论。与 AlphaGo 不同，Libratus 系统不通过分析大量可能的下一步完成任务，这个 CMU 构建的新系统通过平衡风险与收益来决定自己的下一步——在纳什均衡定义中的完美游戏状态。John Nash，电影《美丽心灵》的原型，在 20 世纪 50 年代创立出这一伟大理论，它随后成为博弈论的基石，并让 Nash 在 1994 年获得了诺贝尔经济学奖。

　　「在存在两名玩家的零和游戏中，如果有一人不遵从纳什均衡的策略，那么两名玩家获得的收益都将受损，但我们的系统不会这样，」Sandholm 解释说。「在此类游戏中，以纳什均衡的方式思考是最安全的。遵从规律的玩家将合理地获得受益，同时在任何地方都不会被对手利用。」

　　Libratus 的打法让对手无论如何都想不出更好的招来对付它。

接下来会发生什么？

这只是个开始。Libratus 玩的仅仅是双人版单挑无限额德州扑克。玩家增多会大大增加游戏的复杂性。因此，在计算机还需要几年时间才能够对抗四个或更多玩家。

但这是另一个人工智能如何在狭窄领域接管人类工作的例子： 阅读乳腺 X 线摄片，抄写中文，在战斗中击败人类飞行员... 几乎每周都会出现被人工智能接管的新领域。毫无疑问，许多人都想知道终极结果是什么。计算机会最终接管人类所有的工作吗？

一个被广泛报道的牛津大学 2013 年的研究，研究中估计在接下来 20 年内美国 47% 的工作受到来自自动化取代的风险。

牛津大学的研究是有一些局限的。出人意料的是，研究的内容之一是计算机可以自动完成对将处于风险之中的工作的预测。这项研究运用机器学习和一个手工标注出 70 个工作类型的小训练集来预测出 700 多个职业中哪些将处于风险之中。

这是可以给这项研究提供帮助的地方。呼吁在群体的智慧下，看看是否可以做出更好的预测。请用几分钟的时间来完成我们的调查表。在调查表的最后，你可以指定一个慈善机构来接收我们的捐赠作为对你所花时间和精力的认可。

即使在我们调查表的结果出来之前，显而易见的是一些类如出租车司机、卡车司机、放射线技师以及现在的德州扑克专业选手都处于威胁之中。当然，技术会创造出一些其他的新工作。但是，是否能创造或者摧毁大量工作仍然是一个有意思的开放命题。

要保持领先于机器人，人类将需要在自己的专长如创造力和情感智能上动脑筋。我们同时也应该考虑如何通过机器人增强人类的能力而不是取代人类。人和机器的协作表现将比机器或者人类各自单独的表现更好。当今最优秀的国际象棋「选手」是人同计算机合力组成的。

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]