Después de la derrota sufrida frente a los humanos en el primer Campeonato de Poker Hombre-Máquina desarrollado en Vancouver, Canadá, el Grupo de Investigación de Poker de la Universidad de Alberta (CPRG) tuvo un año para mejorar su colección de programas jugadores de póker, colectivamente llamados Polaris, para la revancha de este año. Sus esfuerzos tuvieron recompensa, ya que Polaris 2.0 derroto al equipo de humanos en una serie de juegos duplicados de limit hold'em.

La competencia tuvo lugar en el Rio All-Suite Casino Hotel de Las Vegas, Nevada, durante el Gaming Life Expo en la Serie Mundial de Poker, con un juego por día entre el 3 y el 6 de julio. El Equipo Humano estaba compuesto por diferentes miembros del sitio de entrenadores de póker Stoxpoker. Al contrario del año pasado en que el equipo estaba representado por solo dos jugadores, Phil Laak y Ali Eslami, esta vez había siete diferentes jugadores participando en la competencia, incluyendo a Nick Grudzien, Kyle Hendon, Rich McRoberts, Victor Acosta, Mark Newhouse, IJay Palansky, y Matt Hawrilenko.

Como sucedió el verano pasado, la competición consistió en cuatro sesiones en las cuales dos competidores humanos simultáneamente (y separadamente) jugaron manos de limit Hold'em “duplicado” contra la computadora, esta vez con ciegas de $500/$1.000 y limite de $1.000/$2.000. Siguiendo las reglas de póker duplicado, las cartas dadas al jugador humano en una sesión eran idénticas a las dadas a la computadora en la sesión siguiente, y vice versa, con las cartas comunitarias para cada mano siendo idénticas también. El formato minimiza la suerte, ya que al final tanto los humanos como Polaris 2.0 se enfrentaron con las mismas cartas y las mismas situaciones.

Al final del juego, el total de las dos sesiones de 500 manos jugadas simultáneamente se sumarían para determinar al ganador de la sesión. Fue decidido que si ese total presentaba una diferencia menor de 25 ciegas pequeñas (por ej., $25.000), el juego sería declarado empate, mientras que una diferencia mayor le daría la victoria al equipo con el total mayor.

En el primer juego, Nick Grudzien y Kyle Hendon enfrentaron a Polaris 2.0. Hendon terminó sus 500 manos adelante por $37.000, pero Grudzien terminó abajo por $42.000. Como la diferencia total fue solo de $5.000 o solo cinco apuestas pequeñas, el primer juego fue declarado empate.

Los humanos ganaron el segundo juego, gracias a los esfuerzos de Rich McRoberts, que terminó con $89.500 contra la computadora. A su socio, Victor Acosta, no le fue tan bien, terminando $39.500 abajo. La ganancia neta de los humanos de $50.000 fue más que suficiente para asegurarse la victoria.

Polaris 2.0 fue capaz de hacer un regreso, ganando los juegos tres y cuatro. En el tercero, Mark Newhouse logró terminar sus 500 manos $251.500 arriba, por mucho el más exitoso de los competidores humanos. El problema lo trajo su socio, IJay Palansky, que termino con $307.500 abajo, lo que significa que la computadora terminó con una ventaja de $56.000 y se quedó con la victoria. Claramente en este juego las cartas favorecieron a Newhouse y a la computadora contra Palansky; pero, Polaris 2.0 se las ingenió para perder menos con las mismas cartas contra Newhouse que Palansky contra la computadora.

La cuarta sesión vio como la computadora derrotaba a ambos competidores humanos, terminando con $60.500 contra Mark Newhouse y con $29.000 contra Palansky. Esto le daba a Polaris 2.0 dos victorias, una derrota y un empate en los juegos. Dos partidas anteriores con jugadores de Stoxpoker también contaron en el marcador general; los humanos ganaron una y la computadora la otra. Así, al final, Polaris 2.0 ganó tres partidas, perdió dos y empató una.

De acuerdo con el profesor Michael Bowling, uno de los supervisores de estudiantes graduados de la Universidad de Alberta que ayudó a programar a Polaris 2.0, mejoras significativas fueron hechas desde el verano pasado que hicieron más difícil para los humanos explotar sus debilidades.

Bowling explicó que los programadores fueron capaces de agregar “un elemento de aprendizaje, donde Polaris identifica las más comunes estrategias del póker que está usando el humano y cambia la propia para contrarrestarla". Esto significa que la computadora no empleó tácticas similares contra todos los humanos, sino que las cambió contra cada uno, haciendo difícil a los humanos el ajustarse durante los cambios de estrategia de la computadora, durante una sesión o comparando notas entre ellos entre sesiones sobre como jugó Polaris 2.0.

Polaris 2.0 también aprendió d sus propios errores, empleando un algoritmo por el cual fue capaz de seguir el paso de las manos en las que perdió con los humanos, y luego ajustar su propio juego cuando circunstancias similares se presentaban.

El CPRG dice que piensa ampliar su investigación para ir más allá del limit hold'em mano a mano a juegos de póker más complicados. El grupo intenta aplicar sus descubrimientos en el área de la inteligencia artificial en contextos alejados del póker también.