Pluribus

Pluribus是由Facebook AI（现Meta AI）与卡内基梅隆大学（CMU）联合开发的六人桌无限德州扑克AI，于2019年7月公布。它是首个在多人对战中击败人类顶尖职业选手的AI，标志着AI在博弈论和战略推理领域的重大突破。

技术背景

Pluribus基于自我对弈和蒙特卡洛树搜索（MCTS）算法，结合了深度学习和博弈论求解技术。与之前专注于一对一（heads-up）的AI（如Libratus）不同，Pluribus需要处理六人桌的复杂动态，包括多对手策略、位置优势和隐含赔率。其核心创新在于使用“蓝图策略”（blueprint strategy）进行实时搜索，并在每个决策点进行有限前瞻，从而在计算资源有限的情况下实现接近最优的决策。

打法风格

Pluribus的风格以“混合策略”和“不可预测性”著称。它经常采用非标准的下注尺度，例如在翻牌圈进行超池下注，或在河牌圈使用小注额引诱跟注。它善于利用范围优势，在有利位置频繁加注，并在不利位置采取保守的过牌-跟注策略。Pluribus还表现出对“反直觉”玩法的偏好，例如在早期位置用弱牌加注，或在多人底池中诈唬。

公开印象

在2019年的测试中，Pluribus与15名人类顶尖职业选手（包括Chris Ferguson、Jason Les等）进行了10,000手牌的六人桌比赛。据公布结果，Pluribus平均每百手牌盈利约5个大盲注（bb/100），显著高于人类选手。人类选手普遍反映Pluribus的决策“难以阅读”，其下注模式与人类习惯截然不同，且能快速适应对手的调整。

影响与意义

Pluribus的成功证明了AI在多人不完全信息博弈中的潜力，其技术被应用于其他领域，如网络安全和拍卖设计。在扑克界，它引发了关于AI对游戏公平性影响的讨论，并促使线上平台加强反AI检测。尽管Pluribus未直接参与商业赛事，但其策略被许多职业选手研究，并影响了现代扑克理论的发展。

局限性

Pluribus的设计针对特定规则（六人桌无限德州扑克，固定盲注结构），且需要大量计算资源。它无法处理锦标赛中的ICM压力或动态筹码深度，因此其策略在锦标赛场景中可能不适用。此外，Pluribus的“蓝图策略”是离线生成的，无法在实时中学习对手的长期倾向。