随着有效“解决”无限德州扑克的扑克人工智能Libratus的发展， 如果来自一个国际团队的新研究能成功破解合作博弈打法的机制，Libratus可以变得更高级。
见证了2017年1月卡耐基梅伦大学的Libratus在德扑人机大战的惊艳表演后，Libratus主要研发人Jacob Crandll和他的团队希望探索博弈论的合作领域。
在和New Atlas讨论这个项目时，Crandall解释说，人工智能必须学会在接受任务时如何与其他人合作，而不只是像Libratus那样打败对手。
合作运算
Crandall及其团队一直在使用一项叫做S#的新算法测试游戏中的合作与妥协（比如“囚徒困境”）的价值。在测试环境中，为了评估游戏环境中的关系，Crandall及其团队将测试电脑与人类的结盟关系：电脑与电脑结盟，人类与人类结盟，电脑与人类结盟。
囚徒困境研究的一个关键动态是，参与者是选择一个符合自身利益的行为，还是选择一个符合团队中其他人利益的行为。因为自利行为可能让自己的结局更糟糕，囚徒困境要解决的问题是：是否为达到总体最好的结果而与其他人结盟。
Crandall告诉New Atlas：“我们的最终目标是，理解AI与人类合作背后的数学，并了解人工智能为了开发社交技能需要哪些属性。”
互惠关系
在试验中，S#不能说谎，而且值入了一种叫做“cheap talk”的算法。当电脑侦测到来自合作者的合作行为时，它将做出积极反馈。相反，诸如“你将因此得到支付”的不诚实话语将遭到蔑视。
人工智能通过这些游戏学到的是与团队协作时道德的价值。确实，当人类不知不觉和S#协作时，作为收到积极信号的直接结果，AI与人类之间的合作行为将增加。
Libratus已经向我们证明，电脑在诸如扑克这样的零和游戏能够战胜人类，而S#有望将扑克AI提高到能够与人类合作的程度。AI的最终发展不仅是比我们思考得深入，而是在特定游戏环境中为达到最佳结果而和我们合作。
