Poker, Oyun Teorisi ve Yapay Zekânın Blöf Yapmayı Öğrenmesi

Satranç Kolaydı, Poker Zor

$1997$'de bir bilgisayar dünya satranç şampiyonunu yendiğinde herkes şaşırdı. Ama matematikçiler için satranç, aslında "kolay" bir oyundu — en azından bir bakıma. Çünkü satrançta her şey ortadadır: her iki oyuncu da tahtanın tamamını görür, hiçbir gizli bilgi yoktur. Buna tam bilgili oyun denir.

Poker ise tamamen farklı bir canavardır. Rakibinizin kartlarını göremezsiniz. Elinizdeki bilgi eksiktir, rakibiniz blöf yapıyor olabilir, siz de blöf yapmalısınız. İşte bu eksik bilgili oyun, yapay zekâ için satrançtan çok daha derin bir meydan okumaydı ve uzun yıllar çözülemedi.

Blöf Bir Hile Değil, Matematiksel Zorunluluktur

Pokeri ilginç kılan şey blöftür — ve şaşırtıcı olan, blöfün matematiksel olarak gerekli olmasıdır. Oyun teorisinin kurucusu John von Neumann bunu çok erken fark etti ve basitleştirilmiş poker modelleri üzerinde çalıştı.

Neden blöf zorunlu? Düşünün: eğer sadece iyi elleriniz olduğunda yüksek bahis yapsaydınız, rakibiniz bunu hemen çözer ve siz bahis yaptığınızda hep pas geçerdi. Kazancınız sıfırlanırdı. Bu yüzden bazen kötü ellerle de yüksek bahis yapmanız — yani blöf — gerekir ki rakibiniz "acaba gerçekten güçlü mü, yoksa blöf mü?" diye asla emin olamasın. Tersine, bazen iyi ellerinizi de zayıf oynamanız gerekir. Tahmin edilemez olmak, pokerin kalbindeki stratejidir.

Bu, daha önce başka bağlamlarda gördüğümüz karışık strateji fikridir: kararlarınızı belirli olasılıklarla rastgeleleştirmek. Doğru poker stratejisi, "her zaman şunu yap" değil; "ellerinin şu yüzdesinde blöf yap, şu yüzdesinde pas geç" gibi dengeli bir olasılık karışımıdır.

Aranan Kutsal Kâse: Nash Dengesi

Peki "en iyi" poker stratejisi nedir? Burada oyun teorisinin temel kavramı devreye girer: Nash dengesi. Bir Nash dengesi, öyle bir strateji çiftidir ki, rakibiniz stratejisini bilse bile, tek taraflı olarak değiştirmenin size hiçbir faydası olmaz. Yani kimsenin sapmaya teşviki kalmamıştır.

Poker için "kırılamaz" bir strateji, tam da böyle bir denge stratejisidir: o kadar dengelidir ki, rakibiniz ne yaparsa yapsın, uzun vadede sizi sömüremez. Sorun şuydu: gerçek pokerde olası durum sayısı astronomiktir (milyarlarca kez milyarlarca el ve bahis kombinasyonu), bu yüzden bu dengeyi hesaplamak inanılmaz zordu.

Yapay Zekânın Zaferi

İşte $2017$'de bir dönüm noktası geldi. Libratus adlı bir yapay zekâ, dünyanın en iyi profesyonel poker oyuncularını, en zorlu poker türlerinden birinde (heads-up no-limit Texas Hold'em) açık ara yendi. Bunu yapan şey kaba kuvvet değildi; yapay zekâ, oyun teorisinin denge fikrine yaklaşık çözümler hesaplayan algoritmalar kullandı.

Libratus'un (ve ardılı Pluribus'un) yöntemi büyüleyicidir. Devasa oyun ağacını yönetilebilir parçalara indirger, kendi kendine milyonlarca el oynayarak denge stratejisine yaklaşır ve — en önemlisi — blöf yapmayı, blöf yakalamayı kendiliğinden öğrenir. Kimse ona "şöyle blöf yap" demedi; matematiksel denge arayışı, blöfü doğal bir sonuç olarak ortaya çıkardı. İnsan oyuncular, yapay zekânın blöflerini "ürkütücü derecede dengeli" buldu.

Pokerden Çok Daha Fazlası

Bu başarı sadece bir oyun zaferi değildir. Eksik bilgili, belirsizlikle dolu durumlarda en iyi kararı vermek — pokerde çözülen şey budur ve bu, gerçek dünyanın çoğu problemine benzer:

• Müzakere ve iş stratejisi: Karşı tarafın niyetini tam bilmeden pazarlık etmek.
• Güvenlik ve savunma: Rakibin hamlesini görmeden kaynakları yerleştirmek.
• Tıbbi ve finansal karar verme: Eksik veriyle, belirsizlik altında en iyi seçimi yapmak.

Poker, yapay zekâya "her şeyi görmediğin bir dünyada nasıl akıllıca davranılır?" sorusunu öğretti. Ve cevap, von Neumann'ın yıllar önce sezdiği gibi, matematikteydi: belirsizlikle baş etmenin yolu, tahmin edilemez olmayı dengeli ve hesaplı bir biçimde benimsemektir. Bir blöf bile, doğru yapıldığında, saf matematiktir.