人工智能首先在围棋上战胜了人类，然后又在德州扑克上战胜人类。关于围棋的人工智能算法介绍很多，但是，在德州扑克上介绍的就相对少了，那么，今天就来尝试浅显易懂的描述一下后面的魔术算法。
围棋是一个完美信息博弈，而扑克是典型的不完美信息博弈游戏，也是我们曾经以为计算机智能面临的长期挑战。对于德州扑克这种游戏，现在常用的算法是遗憾值匹配和最小化（Regret Matching and Minimization）。
为了讲清楚这个算法，先将多步游戏简化成一步游戏，也就是说我们看看石头剪刀布这种简单游戏，其实，它们和德州扑克背后的原理和算法是相似和相通的。
相信大家都玩过石头剪刀布这种游戏。假设这回我们通过它来玩钱，开始前，每个人放一元在桌上。如果谁赢了，就得到两元。否则，每个人拿回自己的一元。进一步假设，如果我们出石头，而对手出布且赢了，那我们就赔了一元。这里，不妨把我们的净赢或是净赔当作为效用，那么我们对于刚才玩的一局，效用就是-1，因为我们赔了一元。若是我们出了布或是剪刀来对付对手的布，那我们的效用就是0（平局）和+1（我们赢了）。
这时，我们肯定后悔没有出布而造成平局，更后悔没有出剪刀，因为这时还能赢一元。既然这样，那么我们用遗憾值（Regret）来表示，对于对手的某一个固定的出法，我们由于没有选择某个出法和已经使用的出法之间的效用的差异。也就是遗憾的程度，数值越大越遗憾。
在这个例子中，我们后悔没有出布的遗憾值＝对手出布我们出布的效用－对手出布我们出石头的效用＝0 - (-1) = 1。我们后悔没有出剪刀的遗憾值＝对手出布我们出剪刀的效用－对手出布我们出石头的效用＝(+1) - (-1) = 2。
那么，这时，你是不是大概感觉到我们应该怎么做了？我们应该在下一局选择遗憾值最大的那个出法，但是我们又不想完全的让我们的出法可以预测，然后被对手利用。于是，就有了遗憾值匹配算法（Regret Matching），说来很简单，就是将遗憾值换成概率，然后按照概率分布来选择出法（注意，不是最大概率）。
还是在这个例子中，我们不能后悔出了石头因为已经做了，它的遗憾值是0。但是，后悔没有出布，它的遗憾值是1。后悔没有出剪刀，它的遗憾值是2。那么对于下一局，使用遗憾值匹配算法，我们出石头，布和剪刀的概率就相应的变成了0，1/3，和2/3，正好是遗憾值归一的结果，也就是概率。
现在假设下一局，碰巧（不一定是概率最大的）我们出了剪刀（概率是2/3），而我们的对手出了石头。这回，对于石头，布和剪刀的遗憾值分别是1，2，和0。将这些和上一局的相加，那么累积的遗憾值（Cumulative Regret）分别是1，3，和2，使用遗憾值匹配算法，为下一局准备的概率就变成了1/6，3/6，和2/6。
理想情况下，我们希望最小化长期的期望遗憾值（Expected Regret），而这个是可以通过自己和自己玩（self-play）来达到的，当玩的次数足够多，比如，百万数量级，的话，就能趋近最小化目标，从而达到一个平衡点（Nash Equilibrium）。是不是有点像AlphaGo中使用的左右手互搏的强化学习（Reinforcement Learning）。
所以，看到了吗，当机器和人下时，对于人下的每一步，机器都需要做极其据大量的遗憾值匹配和最小化的计算，最后得到一个应对的策略。现在这个简化的石头剪刀布的游戏还只有一步，像德州扑克这种来回好几个回合的游戏，需要的计算量是惊人的。
请期待下一篇怎么将这个算法的思想完整的用到德州扑克上。看你们的表现哦，给点动力。