deep rl）：通过“自我博弈（self-py）”不断优化策略。
零和博弈（zero-su ga）：每一方的胜利意味着另一方的失败。
(2) 德州扑克 ai（librat、prib）：不完全信息博弈
挑战：扑克游戏具有隐藏信息（对手的牌），与围棋等完全信息博弈不同。
技术：
博弈均衡计算（nash eilibriu approxiation）：找到长期最优策略。
逆向归纳推理（unterfactual regret iization, cfr）：动态调整策略，欺骗对手。
(3) 自动驾驶：多智能体博弈
挑战：无人车必须与其他车辆、行人、交通信号互动，决策必须权衡速度、安全性和效率。
技术：
合作博弈：多辆自动驾驶车共享信息，优化通行。
非合作博弈：ai 需要预测人类驾驶员行为，避免碰撞（如“礼让博弈”）。
(4) 金融市场 ai：博弈论优化交易策略
挑战：高频交易（hft）ai 需要在不确定市场中竞争，预测对手行为。
技术：
零和博弈：股票市场中的竞争交易。
强化学习 + 预测：ai 通过历史数据学习市场行为，并实时调整交易策略。
(5) 对抗性 ai：gans（生成对抗网络）
挑战：训练 ai 生成高质量的假数据（如逼真的人脸图像）。
技术：
博弈建模：
生成器（nerator） 试图创造逼真的图像。
判别器（discriator） 试图分辨真假。
零和博弈：双方不断进化，直到 ai 生成的图像足以骗过人类。
(6) 网络安全：攻击 vs 防御博弈
挑战：ai 需要应对黑客攻击，如自动检测恶意软件、网络入侵。
技术：
博弈建模：攻击者与防御者之间的动态对抗。
强化学习：ai 适应攻