本来上来想说先问有没有再问为什么，后来一看是快十年前提出来的问题，我八十米的大刀又收了回去。
基本上是有两种套路，巧合的是最有名的PioSOLVER和Pluribus都发表在问题提出的2014年不久之后。
一种是基于统计方法的扑克求解器（Solver）例如2015年推出的PioSOLVER。Solver是一种特定于德州扑克的人工智能辅助工具，能够帮助玩家通过计算找出一种被称为「纳什均衡」的策略，以保证在长期的游戏中不会处于劣势。要使用Solver，玩家需要提供对自己和对手可能持有的牌的预估，然后Solver会根据这些信息构建游戏树，并计算出最优的纳什均衡策略。然而，Solver的计算能力受限于游戏树的复杂性，导致其在扑克游戏的前几轮（特别是preflop和flop）时，无法做到实时计算，只能离线计算。此外，如果玩家对自己和对手的牌的预估不准确，Solver的效果也会大打折扣。尽管如此，Solver凭借其数学上的严谨性和强大的可解释性，被广泛应用于德州扑克的研究和复盘分析。
与此不同，另外一类是以Pluribus为代表的AI模型，它们可以自主地计算并调整其游戏策略，而无需玩家提供预估的牌型范围。2019年发表的Pluribus采用了一种被称为反事实遗憾最小化（Counterfactual Regret Minimization，简称CFR）的技术的变体，这是一种迭代的自我对弈方法。Pluribus首先通过自我对弈来计算出一个初始的策略蓝图，然后根据游戏的实际进展，对可能的走势进行详细搜索，并适时调整其策略。此外，Pluribus在搜索过程中并不需要考虑到游戏的全部可能结果，这在计算上极大地降低了复杂性。Pluribus采用的这种新的有限前瞻搜索算法，使其能够成功应对多人扑克对局，取得了一次次胜利。Pluribus的成功代表了AI在多人博弈、不完全信息游戏中取得了重大突破，开启了人工智能在解决各种实际问题中的新可能性。
