„Je to typická hra s neúplnou informáciou, v ktorej hráči počas hry nemajú rovnaké informácie a pohľad na hru.“ K víťazstvu umelej inteligencie nad človekom významne prispeli aj Slováci Matej Moravčík a Viliam Lisý, ktorí pôsobia na Matematicko-fyzikálnej fakulte Karlovej univerzity a Elektrotechnickej fakulte ČVUT. Výsledky ich práce boli publikované v prestížnom vedeckom časopise Science. Profesionálnych hráčov pokru porazil počítačový program DeepStack.
„Ako už to v pokeri býva, veľkú úlohu zohrala náhoda. Pri priateľskom rozhovore s profesorom Bowlingom na konferencii v Montreale slovo dalo slovo a na stole bolo pozvanie odísť na rok do Kanady a stať sa členmi tímu s odvážnym cieľom, ktorý sa nakoniec viac ako vydaril. Náročnosť projektu podčiarkuje aj fakt, že desaťčlenný tím pracoval na projekte takmer rok,“ zhodli sa spoluautori štúdie Martin Schmid a Matej Moravčík.
Fakt, že pri pokeri hráč nevidí karty oponenta a oponent nevidí jeho karty, robí pre umelú inteligenciu problém výrazne zložitejším z teoretického hľadiska. Na druhej strane je však táto neurčitosť informácie v reálnom svete bežná. Matematické modely hier umožňujú opísať situácie z ekonómie, aukcií, zo sieťovej bezpečnosti, z ochrany dôležitých cieľov alebo kontroly cestovného. „V týchto reálnych situáciách sa jednotlivé strany len veľmi zriedka rozhodujú na základe úplných a identických informácií. Preto je pokrok v riešení hier s neúplnou informáciou zásadný pre praktické aplikácie,“ vysvetľuje Bowling.
Algoritmus programu DeepStacku je podľa autorov výskumu prelomový, pretože sa podarilo preniesť myšlienky, ktoré boli kľúčové v hrách s úplnou informáciou (ako je šach alebo go), do sveta hier s neúplnou informáciou. Dosiaľ nebolo jasné, či je podobný prístup vôbec možný.
Deepstack umožňuje vypočítať vhodnú stratégiu pre situáciu v pokeri až v momente, keď situácia nastane, teda bez nutnosti uvažovať o úplne celej hre dopredu naraz, čo bol doteraz prevládajúci prístup. Táto zásadná zmena princípov riešenia bola umožnená okrem iného rozvojom strojového učenia pomocou hlbokých neurónových sietí. Táto neurónová sieť v prípade Deepstacku vyhodnocuje jednotlivé pokerové situácie, a ide teda o istú formu intuície, ktorú algoritmus využíva na správne rozhodnutia. „Podobne ako v prípade človeka, musí aj Deepstack svoju intuíciu trénovať hraním množstva pokerových partií. Naša sieť v priebehu učenia videla milióny pokerových situácií,“ dodáva Moravčík.
Deepstack hral proti skupine profesionálnych hráčov pokeru v decembri 2016. Tridsaťtri hráčov vybraných Medzinárodnou federáciou pokeru pochádzalo zo sedemnástich štátov. Každý hráč mal možnosť hrať 3-tisíc hier počas štyroch týždňov. Deepstack týchto hráčov v priemere porazil s obrovskou prevahou. Každého z jedenástich hráčov, ktorí dohrali všetkých 3¤000 partií, porazil aj individuálne a iba v jednom prípade výhra nebola štatisticky signifikantná. Deepstack je teda prvý počítačový program, ktorý porazil profesionálnych hráčov v dvojhráčovom no-limit Texas Hold'em Poker.