Дейвид Склански предлага експлоатационна игра

Когато спечелих през 1982 г. WSOP Limit 5-Card Draw в Binion’s Horseshoe в центъра на Лас Вегас, на практика резултата беше ясен, когато се стигна до двама играчи.

Казвам го не за да звуча прекалено самоуверено, въпреки че бях, а защото правилата караха играчът на първа позиция или да рейзва, или да фолдва по такъв начин, че отварянето, а не фолдването показваше незабавна печалба, ако опонентът ми плащаше по-малко от половината от времето. Бързо ми стана ясно, че опонентът ми се нуждае от чифт седмици или по-добро, за да плати и следователно фолдва в около две трети от времето.

Така, теоретично, трябваше да отворя 100% от ръцете си и да прибера печалбата.

Но аз не го направих. Ще обясня след малко.

Джон Наш доказа, че във всяка честна, хедс-ъп покер игра с двама играчи и без рейк, има стратегия, която не може да загуби в дългосрочен план. Стратегия, която всъщност може да бъде разкрита на другия играч и пак да не загуби.

Това включва отиграване на определени ръце по повече от един начин, по специално предписан случаен начин, която често ви кара да играете повече от една ръка по един и същи начин. Така че опонентът, който знае вашата стратегия – Nash/Game Theory Optimal (GTO), няма да може да предположи точната ви ръка.

Той ще знае, че например ще отваряте за три блайнда с 9-4s в 35% от случаите. Но знанието за това няма да означава, че той може да измисли печеливша противодействаща стратегия.

Изводът е, че GTO играта не може да загуби в дългосрочен план, ако играта е хедс-ъп. И това е близо до истината, ако играта е с повече играчи. Няма значение как играят опонентите.

Всъщност чистата GTO стратегия дори не взема под внимание как е играл този опонент. И все пак, въпреки това и въпреки че му казвате вашата стратегия, тя не просто ще ви донесе печалба, но по-скоро ще победи почти всяка стратегия на опонента ви, която не е GTO.

И все пак, в повечето игри не трябва да се опитвате да я използвате, дори ако по някакъв начин имате перфектен компютър за GTO игра в джоба си. Защото, ако опонентът играе “истинска” не-GTO стратегия, можете да го победите, ако намерите добра контра стратегия, която „използва“ неговите грешки.

(Казвам „истинска“, защото е възможно той да симулира, за да ви примами да се отклоните от чистата GTO игра към различна стратегия, която той може да експлойтне.)

Ако опонентът ви играе не-GTO, колко ще спечели вашата собствена чиста GTO стратегия, ще зависи от това колко далеч е от GTO. Същото важи и ако решите да се отклоните от чистия GTO, за да се възползвате още повече от неговите грешки.

Но важното нещо, което трябва да разберете, е следното: колкото повече той се отдалечава от GTO, толкова по-голяма е разликата между GTO печалбите и тези от експлоатационната контрастратегия.

С други думи, става все по-тъпо и по-тъпо да се придържаме към чисто GTO, тъй като опонентите играят все по-зле. Всеки, който би използвал чисто GTO, когато е хедс-ъп в онзи турнир, би сгрешил много.

Почти всички играчи, които обичат своите солвъри, са наясно с това, което току-що написах. И те имат начин да използват този компютър, за да измислят по-добра стратегия от чистото GTO.

Те на практика казват на компютъра да измисли нова GTO стратегия при предположението, че опонентът играе определени ръце по начин, различен от GTO. (Без това условие, компютърът приема, че опонентът играе GTO).

Този компютър щеше да им казва да отварят с всяка ръка в моя мач от 1982 г.

Освен това те вече имат инструмент, който ги насочва как да играят срещу не-GTO стратегия. Нарича се MDA за анализ на масови данни и показва как реални хора играят ръце в реалния живот. По този начин играч, въоръжен с тези инструменти, може да влезе в малка игра с лоши играчи, да следва съветите на компютъра и да има печеливша стратегия, която трябва да се справи по-добре от чистото GTO.

Но дори и с всички тези инструменти, тези играчи вероятно няма да се справят толкова добре, колкото най-добрите играчи в малките игри, с много аматьори.

Една от причините е, че различните аматьори правят различни видове грешки. Ако зададете на всички тях едни и същи общи грешки, които вашите данни разкриват, вместо да отбелязвате конкретните грешки за определените играчи, ще печелите по-малко.

Втората причина е, че компютърните стратегии не включват манипулация. Има неща, които можете да направите, за да отдалечите опонентите си от GTO играта. Или, ако вече са далеч от това, можете да се опитате да гарантирате, че нещата ще си останат така.

Не мисля, че компютрите/солвърите са програмирани да мислят по този начин.

В онзи турнир от 1982 г. бях доста сигурен, че опонентът ми ще осъзнае факта, че играе твърде стегнато, ако отварям с всяка ръка. Така че от време на време фолдвах положително EV, за да не се случи това (само един от няколкото начина за манипулиране).

Странична бележка: 1982 г. беше единствената година, в която WSOP предлагаше златни часовници вместо златни гривни, и случайно спечелих два от 13-те раздадени тази година, заедно с Били Бакстър.