Co je pokerový solver? (A proč vlastně nepotřebujete žádný spouštět)

Je čtvrtek večer na vaší pravidelné hře. Buduje se největší pot večera, váš kamarád Dave přemýšlí celou minutu, pak jde all-in s celým stackem s flush drawem – čtyři karty do flushe, doufá, že přijde pátá. Nepřijde. Prohraje pot, a zatímco odpočítává rebuy, pokrčí rameny a řekne: “Solver říká, že tam se má jamnout.” Celý stůl přikyvuje, jako by to bylo vyřízeno.

Přikyvujete taky. Ale cestou domů si uvědomíte, že vlastně nemáte ponětí, co “ten solver” vlastně je. Program? Web? Člověk? (“Jam” aspoň znáte – to je pokerový slang pro jít all-in.) A jak Dave ví, co tenhle solver říká o náhodné ruce z jeho garážové hry?

Rozumné otázky. Solvery jsou to nejdůležitější, co se pokerové strategii za desítky let stalo, a zároveň jedna z nejvíc nepochopených věcí. Tak pojďme otevřít kapotu: co solver vlastně je, jak funguje, co jeho odpovědi doopravdy znamenají, a proč – přes to, jak často se o něm mluví – ho nepotřebujete kupovat, konfigurovat ani spouštět, abyste měli užitek ze všeho, co nás naučil.

Co solver vlastně je

Solver je software, který počítá téměř dokonalou strategii pro jednu přesně specifikovanou pokerovou situaci. Ne poker obecně. Jednu situaci, vypsanou do úplného detailu ještě předtím, než výpočet začne.

K nastavení té situace nakrmíte solver čtyřmi věcmi. Za prvé, situaci na stole samotném: společné karty rozdané zatím a peníze už v potu. Za druhé, rangy obou hráčů – range je kompletní množina rukou, které by daný hráč mohl reálně držet vzhledem k dosavadní akci. Pokud někdo raisoval před flopem (prvními třemi společnými kartami), jeho range může být páry, silná Esa a nějaké suited ruce (dvě karty stejné barvy); rozhodně to není libovolný možný holding. Za třetí, velikosti stacků – kolik peněz má každý hráč ještě k dispozici na sázení. Za čtvrté, menu povolených velikostí sázek. Řeknete solveru, že u každého rozhodnutí může hráč checkovat, vsadit třetinu potu, vsadit tři čtvrtiny potu nebo jít all-in, a nic jiného.

Pak se stroj pustí do práce a to, co se vrátí, není tip. Je to kompletní strategie pro oba hráče: pro každou jednotlivou ruku v každém rangu, v každém rozhodovacím bodě situace, jak často betovat, checkovat, callovat, raisovat nebo foldovat, plus expected value každé možnosti. Expected value, neboli EV, je průměrný zisk akce v dlouhodobém horizontu. Solver tedy neříká jen “sázet je tady dobré.” Říká, že sázet tuhle přesnou ruku v téhle přesné velikosti má hodnotu 4,31 big blindů v průměru, zatímco checkovat má hodnotu 4,28. (Big blind je vynucená sázka, která nastavuje stakes; hráči měří stacky a zisky v big blindech, stejně jako truhláři měří v palcích.)

Jak solver najde odpověď

Tady je část, kterou většina lidí nikdy neslyší, a je překvapivě jednoduchá. Do solveru není naprogramovaná žádná pokerová znalost. Žádná moudrost čtení rukou, žádné “bluffuj děsivé karty”, žádné strategické knihy strávené do kódu. Solver je jen dva virtuální hráči zamčení v místnosti, kteří se donekonečna přizpůsobují jeden druhému.

Funguje to takhle. Oba virtuální hráči začínají s víceméně libovolnými strategiemi. Hráč jedna zkoumá strategii hráče dvě a posouvá se směrem k akcím, které proti ní vydělávají nejvíc peněz. Pak to samé udělá hráč dvě zpátky. Každá úprava jedné strany otevře nové slabiny, na které může druhá strana zaútočit, takže se přizpůsobí znovu, a znovu – miliony, pak miliardy drobných korekcí. Postupem času jsou úpravy čím dál menší, dokud oba nedospějí k dvojici strategií, kde žádný hráč nemůže ničeho dosáhnout další změnou. Tenhle bod zastavení se nazývá rovnováha (equilibrium) a je to přesně to, co znamená GTO: strategie, kterou nelze vyexploatovat, protože každý exploit už byl vyzkoušen a zodpovězen někde v těch miliardách iterací.

Všimněte si, co chybí: porozumění. Solver nikdy nepochopil, proč to všechno funguje. Všechny ty elegantní koncepty, které dnes koučové učí z výstupu solverů, jsou lidská vysvětlení, zpětně zrekonstruovaná. Stroj se jen neúnavně kontra-přizpůsoboval, dokud nezbylo nic k opravě.

Jak vypadá výstup (a proč působí zvláštně)

Řekněme, že raisujete před flopem z buttonu – nejlepší pozice u stolu, jedná se poslední v každém kole sázení po flopu – a big blind dorovná. Flop přijde King-Seven-Two rainbow, tedy tři různé barvy, takže žádný flush draw není možný. Držíte Ace-King: top pair (spárovali jste nejvyšší kartu na boardu) s nejlepším možným kickerem (vedlejší kartou, která rozhoduje remízy mezi odpovídajícími páry).

Zeptejte se solveru na tenhle spot a on neřekne “bet.” Řekne něco jako: sázet třetinu potu 67 % času, checkovat 33 % času. Pro jednu ruku. V jedné situaci.

Pokud vás tahle odpověď zarazí, jste v dobré společnosti: je to nejmatoucí část výstupu solveru pro nováčky. Krátká verze: když mají dvě akce skoro stejné EV, rozdělení mezi ně udržuje vaši celkovou strategii vyváženou a nepředvídatelnou, takže pozorní soupeři nemohou profitovat z vašich vzorů. Napsali jsme celého průvodce smíšenými strategiemi, který tohle rozebírá, včetně uklidňujícího praktického ponaučení: když solver míchá, obě akce jsou v pořádku, a prosté vzetí té častější nikdy není vážná chyba.

Teď vynásobte tenhle druh odpovědi napříč každou rukou ve vašem rangu a napříč každou možnou turnovou a riverovou kartou (čtvrtou a pátou společnou kartou), a uvidíte, co výstup solveru vlastně je. Ne rada. Obří mapa: tisíce frekvencí a EV popisujících celou strategii, kde je každé číslo správné a žádné se samo nevysvětluje.

Drobné písmo: Solvery řeší zjednodušenou hru

Teď na část, která se u stolu vynechává. Solver nikdy neřeší skutečný no-limit hold’em. Řeší jeho zjednodušenou verzi, a to zjednodušení má váhu.

Ve skutečné ruce můžete sázet jakoukoli částku, od minima až po celý stack. V potu $200 je to stovky legálních velikostí sázek, v každém rozhodovacím bodě, pro každou kombinaci budoucích karet. Celý herní strom – každá možná sekvence akcí a karet – je tak astronomicky obrovský, že ho žádný počítač nemůže obsáhnout, natož vyřešit. Takže solver bere v úvahu jen hrstku velikostí sázek, které jste mu zadali. Povolte jen sázku na třetinu potu a vyprodukuje dokonalou strategii pro hru, kde je to jediná dostupná sázka. Zadejte mu místo toho menu tří čtvrtin potu a vrátí viditelně odlišnou strategii pro stejný flop King-Seven-Two: méně sázek, víc checků, jiné ruce dělají sázení.

Rangy, které zadáte, záleží stejně tak. Nakrmte ho preflop rangem, který je trochu příliš tight nebo příliš loose, a každá frekvence po proudu se posune. A skoro veškerá práce se solvery je heads-up – přesně dva hráči. Váš čtvrteční pot s pěti hráči je hluboko za tím, co vám standardní nástroje namapují.

Dejte to všechno dohromady a “solver říká” se ukáže jako zkratka pro “solver, danou tuhle přesnou situaci, tyhle předpokládané rangy a tohle menu velikostí sázek, říká.” Dva hráči mohou studovat stejný spot s mírně odlišnými předpoklady a odejít s citací odlišných odpovědí, a oba mluví pravdu. Výstup je jen tak dobrý, jak jsou dobré vstupy.

Jak solvery změnily způsob, jakým se hraje poker

Trocha historie vysvětlí, proč najednou všichni začali mluvit jako Dave.

Většinu doby, co poker existuje, pocházela strategie z knih a hádek. Silní hráči si zapisovali principy, jiní silní hráči nesouhlasili a nebyl tam žádný rozhodčí. Když explodoval online poker, přišly trackovací databáze: software, který zaznamenával každou ruku, kterou jste online odehráli, a umožnil vám studovat miliony z nich. Teď jste mohli vidět, co vítězící hráči skutečně dělali, což byl skutečný pokrok. Ale “co dělají vítězové” není totéž co “co je optimální.” Vítězové taky hádali, jen úspěšněji.

Pak, kolem roku 2015, se solvery jako PioSOLVER dostaly k veřejnosti, a poprvé měly strategické otázky odpovědi místo názorů. Efekty byly rychlé a viditelné. Profíci zjistili, že solver sází flop malý – často třetinu potu – tam, kde standardem té doby byly mnohem větší sázky. Ukázalo se, že check-raise (checkování, pak raise poté, co váš soupeř vsadí) je dramaticky nedostatečně využívaný i elitními hráči. A solver míchal skoro všechno, rozděloval svou hru mezi akce tam, kde lidé vždycky lovili tu jednu správnou odpověď. Sledujte kteroukoli dnešní high-stakes hru a díváte se na strategie, které před tím, než je stroje zmapovaly, sotva existovaly.

Proč nepotřebujete jeden spouštět sami

Tady je poctivá verze toho, co obnáší vlastní práce se solverem, protože nikdo, kdo řekne “solver říká”, to nikdy nezmíní.

Nejdřív koupíte software. PioSOLVER a GTO+ jsou standardní do-it-yourself cesty a upřímně, oba jsou skutečně silné a rozumně nacenění za to, co dělají. Pak začne skutečná práce. Sestavíte realistické rangy pro oba hráče, což vyžaduje už teď vědět hodně o dobrém pokeru – opravdový problém slepice a vejce. Vyberete, které velikosti sázek zahrnout, s vědomím, že odpověď je jen tak dobrá jako to menu. Čekáte, zatímco váš počítač melí: minuty na hrubou odpověď, hodiny na přesnou. A když skončí, zíráte na tu obří mapu – mřížku rukou a frekvencí bez připojených vysvětlení. Proměnit “checkovat 33 %” v přenositelnou lekci o tom proč je dovednost sama o sobě a trvá stovky hodin ji rozvinout.

Profesionální hráči to berou dost vážně na to, že spousta z nich za to doslova platí jiné lidi. Existují profíci, jejichž celá práce je spouštět a interpretovat solverové simulace pro jiné profíky. Na téhle úrovni úsilí je skutečná práce se solverem.

Teď buďte upřímní ohledně vlastní situace. Hrajete domácí hru jednou týdně nebo jednou za dva týdny. Chcete přestat dělat chyby, které vás stojí buy-iny, a začít dělat rozhodnutí, která dokážete obhájit. Potřebujete osobně obsluhovat průmyslový software na výpočet strategie? Nebo potřebujete lekce zakopané v jeho výstupu, vytažené ven a vysvětlené srozumitelně?

Jak získat lekce bez licence

Dobrá zpráva je, že znalost solveru neexpiruje. Rovnováha pro danou situaci je dnes stejná jako loni, což znamená, že ji někdo může vypočítat jednou, pečlivě, a tisíce hráčů se z ní mohou učit. Rozumnou cestou pro hráče domácí hry je tedy studijní nástroj postavený na předpočítaných řešeních: procvičujete realistická rozhodnutí, porovnáváte svou volbu s volbou solveru a energii věnujete porozumění místo výpočtu.

Chybějícím dílkem historicky bylo vysvětlení – to “proč”, které stěna frekvencí nikdy nedá. Přesně tady AI trénink pokeru skutečně změnil věci, a je to přístup, který jsme zvolili u Poker Sense: procvičujete ruce s okamžitou GTO zpětnou vazbou vypočítanou ze skutečného výstupu solveru, a když vás doporučení překvapí, koučink “Zeptat se proč” vysvětlí uvažování za doporučenou akcí. Free tier zahrnuje dvacet tréninkových hand a tři AI koučovací konverzace denně, dost na to, abyste zjistili, jestli vám tenhle způsob učení vyhovuje.

Ať už studujete jakkoli, princip je stejný. Pomalá, drahá, technická část práce se solverem už byla udělaná, lidmi s lepším hardwarem a víc trpělivostí, než má kdokoli z nás. Vaše práce je ta část, která nikdy nešla automatizovat: učení.

Závěr

Solver je stroj na kontra-přizpůsobování: dva virtuální hráči, kteří spolu sparují miliardy kol, dokud se ani jeden nemůže zlepšit, uvnitř zjednodušené hry definované úplně tím, co do ní člověk vložil – board a pot, stacky, rangy a menu velikostí sázek. Jeho objevy přepojily moderní pokerovou strategii a jeho drobné písmo – odpověď je jen tak dobrá jako vstupy – lidé, kteří ho citují, běžně ignorují.

Nepotřebujete jeden spouštět. Potřebujete to, co našel, přeložené do lekcí, které můžete použít ve čtvrtek večer. A až vám příště Dave oznámí, že solver říká tam jamnout, můžete se usmát a zeptat se ho, jaké rangy mu zadal. Sledujte, co se stane.