2017年的赌场锦标赛期间，一个名为Libratus的扑克游戏程序，在1.2万手双人扑克比赛中，巧妙地击败了4名职业选手。但该程序的联合创作者托马斯·桑德霍尔姆，并不认为人工智能可以在与更多的选手对阵时达到类似的表现。
　　两年后，来自卡内基-梅隆大学的计算机科学教授桑德霍尔姆，证明了他自己是错的。桑德霍尔姆和他的合作伙伴，共同开发了一个名为Pluribus的人工智能程序，它可以在六人无限制扑克比赛中一直击败人类职业牌手。桑德霍尔姆说：“我一生中从未想过可以达成这个目标。”

多人决策

　　过去，人工智能对人类的胜利，仅涉及两人或两队的对战比赛，如跳棋、国际象棋、围棋和双人无限制扑克。这些游戏都是零和游戏—游戏只有一个胜利方和一个失败方。但是，六人扑克则更接近现实生活，在这种情况下，一方必须在不了解多个对手的决策过程和资源的情况下，做出决定。
　　脸书的人工智能研究科学家、Pluribus的联合创始人诺姆·布朗说：“这是我们第一次超越零和游戏这种常规模式。即使在通常情况下，人工智能也能做得很好。”
　　Pluribus程序在与5名人类玩家对抗的比赛中，赢得了奖金。人类玩家来自15名扑克职业玩家组成的轮换阵容，他们中的每个人都在扑克锦标赛中赢得过至少100万美元的奖金。比赛历时12天，进行了超过1万手出牌。
　　《科学》杂志上发表的一篇论文，详细介绍了这个成功案例。尽管Pluribus并未达到与Libratus以及另一个名为DeepStack的双人扑克程序一样高的胜率，但它的胜率仍然非常可观。“当机器人与人类坐在一起时，它赚了很多钱，”布朗说，“我当然会将其描述为‘超人’的表现。”

低耗模拟

　　Pluribus首先要在许多模拟的扑克对局中与自己对抗，制定战略蓝图。
　　Pluribus解决六人扑克游戏的重大突破，来自其“深度限制搜索功能”。该组件允许人工智能向前看几步，并根据对手可能的决定，为游戏的剩余部分找出更好的策略。
　　许多其他的扑克游戏程序，也使用了类似的搜索功能，但为了六人扑克游戏这么做，需要动用极大的计算内存量：每个玩家持有的牌数，每个人认为其他玩家所拥有的手牌，以及随后的所有投注决定……这其中有太多场景需要模拟。
　　Libratus只在最后四轮中的两轮投注里，使用搜索来克服运算瓶颈。该解决方案在仅有两个玩家的对局中，就需要使用100个CPU来处理数据。

　　职业扑克选手通常认为进行“反主动下注”是一个错误，但是Pluribus却会频繁地使用这种手段。

　　具体来说，在一场现场扑克游戏中，Pluribus是在一台只有2个中央CPU和128GB内存的机器上运行的。“它可以在没有图形处理单元和其他高端硬件的情况下运行。”桑德霍尔姆说。相比之下，DeepMind著名的AlphaGo程序，在2016年与顶级职业棋手李世石九段对决的围棋比赛中，使用了1920个CPU和280个GPU。
　　Pluribus采用的深度限制搜索功能，考虑对手在基本投注策略中如何选择：有人偏向弃牌，有人偏向于叫牌，还有人偏向于加注。这个经过调整的搜索功能，有助于解释为什么Pluribus在六人扑克比赛中获得成功—需要的计算资源和内存相对最小。

用途多样

　　卡内基-梅隆大学和脸书，计划制作Pluribus的伪代码（一种算法描述语言），详细解释该程序中的每个必要步骤，并与已发表的论文一起提供，以便其他人工智能研究人员可以重现这些效果。
　　不过，该团队最后决定不发布该代码，因为它可能会促进人工智能扑克程序的传播，对在线扑克社区和扑克行业造成极大的破坏。
　　而且，即使没有代码，人类也可以从人工智能的策略中学习。例如，职业扑克选手通常认为进行“反主动下注”是一个错误—上一轮进行了非积极投注之后，对新开始的一轮进行积极投注。但是Pluribus却会频繁地使用这种手段。
　　除了扑克之外，该人工智能可以应用在人类没有充分了解或思考的任何场景中。这些领域可能包括网络安全、金融交易、商业谈判和竞价。桑德霍尔姆表示，这个人工智能甚至可以在2020年美国总统大选的党内初选中起作用：理论上来说，参与竞争的候选人可以从人工智能的建议中获益，这些建议包括只需花费恰好足够的广告资金在关键州获胜，充分利用有限的竞选资金。
　　桑德霍尔姆创立了三家初创公司，包括战略机器和战略机器人公司，很可能会将这种人工智能融入为商业和军事客户提供的服务中。
　　诺姆·布朗计划进一步探索人工智能如何適应更复杂的多人游戏场景。“多人扑克已经是最后一个里程碑了，”布朗说，“现在我们正在寻求将其应用扩展到扑克之外。”