AI 在国际象棋、围棋、德州扑克、Dota2和StarCarft2等许多复杂游戏中达到了超人的水平。但是在花样卡牌游戏中它仍然没有达到这个水平。
为什么没有超人类AI 可以玩黑桃、惠斯特、红心、尤克和桥牌等信息不完全、多人、花招的纸牌游戏？
特别是在那些游戏中制作超人 AI的障碍是什么？
我认为这些是让 AI 难以掌握 Spades 的原因：
不完全信息博弈带来了两个明显的问题：移动选择和推理。
游戏树的规模并不小，但已经掌握了更大的游戏。
一、历史规模：
二、有可能的初始状态。
三、每个初始信息集都可以在方法
仅在终端状态进行评估。
多人游戏：
I. 更难修剪 - 搜索算法效率较低
二、对手造型很难
三、目标选择 - 有几个目标可用，需要在回合中根据狂欢信息改变目标。
代理需要与合作伙伴协调：约定、信号。
由于没有人回答我的问题，我会尝试自己回答，但是虽然我确实编写了 AI 代理，但我不是专家。
Trick-taking 游戏太大，无法用当前的搜索算法和计算能力来解决[RSBS19]。原因如下：
反事实遗憾最小化（CFR）是解决大型不完美信息博弈的主要框架。[BLGS19]
CFR 需要为所有参与者构建策略并迭代所有信息集。[ZJBP07]
CFR 在扑克中达到了超人的水平，但在黑桃和其他花样游戏中表现不佳，因为：
(a) 大量信息集。我对黑桃的估计是10^58。
(b) 没有好的抽象（还没有找到）。作为比较，在扑克抽象中显着减小了游戏树的大小。[LSBF10]
在改进了我的 Spades-agent之后，它赢得了超过 60% 的她的游戏与休闲玩家。不幸的是，我从未测试过她的 Vs 专家。
如果 DeepMind 或有能力的人尝试制作一个超人的欺骗代理，我猜他们会成功。