二十一年前的2月，国际象棋人机大战上演。
IBM的超级电脑深蓝，因与国际象棋世界冠军卡斯帕罗夫的对阵而名声大噪。虽然深蓝最终没有赢下比赛，但在这个过程中仍然赢下的两局比赛。这也被认为是此后人工智能(AI)与人类的一系列博弈游戏中，一长串胜利的开端。
然而，深蓝其实并不是在博弈游戏中击败人类的第一个人工智能。这不重要。重要的是从第一次获胜迄今，AI已经在众多人机大战中击败人类，例如围棋和扑克。
人机大战似乎不像一个测试AI的正经方式。但Alberta大学的计算机科学家Jonathan Schaeffer说，“在博弈游戏中展示思路，然后规划化应用到真实世界中更大的问题上，就等于跑之前要先学会走”。
值此国际象棋人机大战21周年纪念，我们以一个简单的方式，回顾那些在历史上留下过浓墨重彩一笔的人工智能，以及它们背后的创造者。
1991年，Chinook败给国际跳棋世界冠军Marion Tinsley，随后在1994年获胜。2007年，研究人员终于攻克国际跳棋比赛，现在Chinook可以击败任何对手。
Chinook第一次与Marion Tinsley交手，是在1991年的一次展示比赛中。当时计算机下出一个特别的招数，Tinsley随即说“你会后悔的”。
这个人工智能的创造者Jonathan Schaeffer当时对此不屑一顾：“你知道什么，我的电脑提前算好了20步棋”。然而几步之后，电脑告诉Schaeffer优势已在对方一边，又几步之后，人工智能选择投子认输。首战失利。
然而Chinook仍然收获了历史地位：第一个在人机大战中获胜的人工智能。1994年，Chinook赢得国际跳棋的人机大战世界冠军。
但是Chinook前进的脚步并未停下，从1994年到2007年，研究人员终于让人工智能完全攻克了国际跳棋。这是一个里程碑式的事件。
1996年深蓝对决国际象棋世界冠军卡斯帕罗夫。深蓝取得首局胜利，但最终2:4落败。第二年，深蓝卷土重来大获全胜。
国际象棋是一个存在大量可能性的博弈游戏。
在每一个回合中，一个玩家可以有大约40种不同的行棋选择，当然对手也会有40中不同的应对选择。如果试图计算棋局的走向，各种可能性会呈指数级的爆炸，所以你只好两手一摊，全凭感觉下出一步自认为是最佳选择的棋。
人类玩家就是有这种伟大的能力，可以只考虑一小部分的可能性就作出决定。对于什么是好的决定，什么又是坏的决定，有一种良好的直觉。
计算机无法效仿这种直觉，但是可以对所有的可能性进行一次彻底的搜索，这正是深蓝所擅长的事情。深蓝每下一步棋时，可以每秒计算1亿种可能性。
1996年和1997年，深蓝用两场比赛给很多人初次普及了人工智能的概念。在90年代，人们都知道电脑可以干很多机械且常规的任务，例如计算工资。人们也知道下国际象棋需要智力，只有聪明人才能玩得好。
所以看到一台电脑可以击败实际上最棒的人类，虽然只是在一个博弈游戏中，已经有人能隐隐感到，一个伟大的时代正在到来。
2011年，沃森在问答比赛节目《Jeopardy!》中击败两位人类高手，总共赢得7.7万美元奖金。
经由电视答题节目《Jeopardy!》与人类选手展开对抗，沃森以公开、易懂的方式向大众展示了人工智能对于自然语言的理解能力。当然，沃森在电视上还展示了自己的智力，那些问题很多人类都不见得能听懂，更别提能够回答上来。
沃森的伟大之处在于，能够理解语言，并且做出一个有信心的回答。
建立这个人工智能系统，可以利用人类最自然的记录以及交流的方式：文本信息。沃森可以从巨大的文本信息库中，提取潜在的答案和证据，来行程对答案的支持。人类积累了大量的文本信息，例如百科全书、网络内容、书籍和新闻等。
然而只有在一个足够深的层次上对这些内容进行分析和理解，才能找到那些回答问题所需的真正答案。这正是沃森展示给人类的能力。
AlphaGo去年3月在围棋人机大战中击败韩国职业九段李世乭。
在围棋界大杀四方的AlphaGo，背后用到很多人工智能发展的新成果：神经网络、深度学习、蒙特卡洛树搜索等等。实际上，AlphaGo由两个不同的神经网络组成大脑合力下棋，一个进行落子选择，一个进行局面评估。
2016年1月，AlphaGo以5:0完胜欧洲围棋冠军樊麾，这是人工智能第一次在不让子的情况下，第一次击败职业棋手。2016年3月，AlphaGo以总比分4:1击败世界围棋冠军、韩国职业九段棋手李世乭。从而赢得全球关注的目光。
去年12月底到今年1月初，一个名为大师(Master)的程序在网上连续对战柯洁等中外围棋高手，取得60胜0负的惊人战绩。最后Master揭下面具：还是AlphaGo。
如今AlphaGo又要卷土重来了，这个人工智能的故事还没结束。
今年1月，Libratus击败四位人类高手，在德州扑克人机大战中成为“赌神”。
此前人之大战的博弈游戏，无论是智力问答、国际象棋、跳棋或是围棋，都是所谓完美信息博弈。两个玩家可以获知博弈中所有的信息，所有的事情都摊开在眼前。
而有两件事使得德州扑克更难。一是决策树的大小，德州扑克中可能出现的情况是2的161次方，这个数字已经超过宇宙中原子的总数。当然在围棋比赛中，也有巨大的决策树。
另外就是，德州扑克是一场不完美信息博弈。当一个玩家需要作出决定时，实际上并不知道整个博弈的全部信息。所以你必须根据对手的行动推测他们手上有什么牌，而对手也会根据同样的方式猜测你手上可能有什么牌。
因此，对于扑克这种游戏，人工智能需要一种完全不同的处理方法。而这也是Libratus的意义所在，即让人工智能学会如何处理不确定性。