Pokerförbundet vill se snabbare beslut om livepokern
27 maj 2026Läs mer
När pokerbottar blir försvarsteknik
- FOI använder pokerbot-teknik för oförutsägbara sonar-sökningar.
- AI tränas med spelteori och självspel för att försvåra motåtgärder.
- Poker används som testmiljö för avancerat beslutsfattande inom AI.
Pokerbottar brukar främst förknippas med onlinepoker, fuskdebatter och eviga diskussioner om hur spelbolag ska skydda sina bord. Men samma typ av teknik som används för att träna starka pokerprogram kan också användas långt utanför pokern.
Totalförsvarets forskningsinstitut, FOI, har tagit fram en prototyp där metoder från pokerbottar används för att skapa oförutsägbara sökmönster vid undervattensspaning med aktiv sonar. Prototypen heter Deep Acoustic Mission Planner, DAMP, och är tänkt som ett taktiskt beslutsstöd vid exempelvis jakt på undervattensfarkoster.
Totalförsvarets forskningsinstitut, FOI, har tagit fram en prototyp där metoder från pokerbottar används för att skapa oförutsägbara sökmönster vid undervattensspaning med aktiv sonar. Prototypen heter Deep Acoustic Mission Planner, DAMP, och är tänkt som ett taktiskt beslutsstöd vid exempelvis jakt på undervattensfarkoster.
Pokerlogik i en helt annan miljö
Det är kanske inte så långsökt som det först låter. Poker handlar i grunden inte bara om kort. Det handlar om samla in och tyda osäker information, sannolikheter, motståndaranalys och beslut under press. Det är precis de delarna FOI lyfter fram som relevanta för militär spaning.
FOI beskriver hur algoritmer som används för att träna pokerbottar passar scenarier där man inte vet exakt var motståndaren finns eller vilket nästa drag blir. I poker försöker man som spelare förstå, tänka ut, vad motståndaren kan ha, vilka scenarion som är rimliga och hur man själv kan agera utan att bli lättläst.
FOI beskriver hur algoritmer som används för att träna pokerbottar passar scenarier där man inte vet exakt var motståndaren finns eller vilket nästa drag blir. I poker försöker man som spelare förstå, tänka ut, vad motståndaren kan ha, vilka scenarion som är rimliga och hur man själv kan agera utan att bli lättläst.
Totalförsvarets Forskningsinstitut har tänkt till
Enligt en artikel på FOI sida handlar detta med pokerbottar inte om ta beslut på rivern eller att försöka fånga en bluff, utan om att uppskatta var en undervattensfarkost kan befinna sig och hur aktiva sonarer bör söka av ett område.
Enligt FOI översätts spaningsuppgiften till ett pokerliknande spel som sedan analyseras med förstärkningsinlärning från det senaste inom pokerbottar.
Enligt FOI översätts spaningsuppgiften till ett pokerliknande spel som sedan analyseras med förstärkningsinlärning från det senaste inom pokerbottar.
Det centrala är oförutsägbarhet. En dålig pokerbot blir exploaterad. Den upprepar mönster, överfoldar, överbluffar eller spelar vissa situationer på ett sätt som motståndaren kan utnyttja.
FOI vill uppnå motsatsen i spaningsmiljö. En motståndare som studerar sökmönster ska inte enkelt kunna lista ut hur systemet tänker.
FOI vill uppnå motsatsen i spaningsmiljö. En motståndare som studerar sökmönster ska inte enkelt kunna lista ut hur systemet tänker.
Hundratals miljoner spel mot sig själv
Enligt FOI kan en så komplex prototyp inte verifieras rent analytiskt. I stället stresstestas strategin empiriskt. Det kan ske genom att människor spelar mot den upprepade gånger, eller genom att en annan AI tränas mot strategin för att försöka hitta svagheter.
Det här påminner mycket om hur moderna pokerbottar och pokerbaserade AI system utvecklas.
De lär sig inte bara genom färdiga facit, utan genom enorma mängder simuleringar, justeringar och självspel. FOI skriver att AI:n kan lära sig genom att spela mot sig själv hundratals miljoner gånger. (FOI)
De lär sig inte bara genom färdiga facit, utan genom enorma mängder simuleringar, justeringar och självspel. FOI skriver att AI:n kan lära sig genom att spela mot sig själv hundratals miljoner gånger. (FOI)
För pokerspelare är resonemanget bekant. En strategi är stark först när den inte bara fungerar mot en viss typ av motståndare, utan också står emot försök att bli exploaterad.
Från fusk till forskning
För pokervärlden är detta en intressant påminnelse om att pokerbottar inte bara är ett säkerhetsproblem för onlinerummen.
Tekniken bakom dem är också en av de mest avancerade praktiska tillämpningarna av spelteori, AI och beslutsfattande under osäkerhet.
Tekniken bakom dem är också en av de mest avancerade praktiska tillämpningarna av spelteori, AI och beslutsfattande under osäkerhet.
Det betyder inte att pokerbottar hör hemma vid riktiga onlinebord. Tvärtom är botproblematiken en av de stora integritetsfrågorna för modern onlinepoker.
Men FOI:s projekt visar varför just poker har blivit en så viktig testmiljö för AI. Spelet innehåller dold information, psykologiska antaganden och strategiska motdrag på ett sätt som schack och många öppna spel inte gör.
Men FOI:s projekt visar varför just poker har blivit en så viktig testmiljö för AI. Spelet innehåller dold information, psykologiska antaganden och strategiska motdrag på ett sätt som schack och många öppna spel inte gör.
När FOI lånar teknik från pokerbottar är det därför inte själva pokern som är målet, utan strukturen bakom spelet. Att fatta bättre beslut när informationen är ofullständig. Att hålla sin strategi svårläst. Att inte bli exploaterad.
