Alphabet的DeepMind的科学家提出了一个新的框架，该框架可以学习对多种游戏中玩家的近似最佳反应。他们声称，在“国际象棋”，“围棋”以及“德州扑克。
DeepMind首席执行官Demis Hassabis 经常断言，游戏是开发算法的便捷试验场，这些算法可以转化为现实世界，以解决难题。这样，像这种新框架这样的创新可以为人工智能（AGI）奠定基础，这是AI的圣杯-决策AI系统不仅可以自动完成平凡的重复性企业任务，例如数据输入，还可以自动完成有关其环境的原因。这是OpenAI等其他研究机构的长期目标。
对玩家的表现水平称为可利用性。计算这种可利用性通常是计算密集型的，因为玩家可能采取的行动数量如此之多。例如，德州扑克的一种变体，单挑限制德州扑克，大约有10 14个决策点，而围棋有大约10 170 个决策点。解决这一问题的一种方法是制定一项策略，利用强化学习（一种AI培训技术，通过系统奖励促使软件代理完成目标）来利用最佳学习来评估待评估的玩家。
DeepMind研究人员提出的框架，他们称为近似最佳响应信息状态蒙特卡洛树搜索（ABR IS-MCTS），它在信息状态基础上近似精确的最佳响应。框架内的参与者遵循一种算法来玩游戏，而学习者则从各种游戏结果中获取信息以训练策略。凭直觉，ABR IS-MCTS尝试学习一种策略，当剥削者被赋予对对手策略的无限访问权时，它可以创建有效的剥削策略。它模拟了如果某人经过多年训练来利用对手会发生什么情况。
研究人员报告说，在涉及200名演员（在装有4个处理器和8GB RAM的PC上训练）和一个学习者（10个处理器和20GB RAM）的实验中，ABR IS-MCTS在每场比赛中的胜率均超过50％在Hex或Go以外的游戏中（例如“连接四人”和“突破”），该比率高于70％。在步步高中，它经过100万集训练后赢得了80％的时间。
合著者说，他们看到“大量学习”的证据，即当演员的学习步骤受到限制时，即使经过100,000次训练，他们的表现也往往会变差。但是，他们还注意到，在某些情况下，ABR IS-MCTS相当慢，平均需要150秒才能计算出特定形式的策略（UniformRandom）在Kuhn扑克（一种简化的两人扑克）中的可利用性。
未来的工作将涉及将该方法扩展到甚至更复杂的游戏。
