“人工智能博弈与安全”内容包括博弈相关概念（含纳什均衡）、遗憾最小化算法、虚拟遗憾最小化算法和人工智能安全。

博弈论（Game Theory）是经济学的一个分支，但是随着计算机科学的发展，人工智能技术越来越多的应用在博弈论的研究当中，传统博弈论与人工智能的深度融合闪烁着决策智能的光芒。

传统的机器学习方法本质上是对经验的拟合，在技术上是解决一个优化问题从而更好的拟合经验。在博弈的环境中，目标就不再是找一个最优解，而是找一个均衡解。均衡解是最优解的一种进阶。这种优化思维到均衡思维的转化和提升既体现在建模的思维上，也体现在求解的技术上。

博弈行为是多个带有相互竞争性质的主体，为了达到各自目标和利益，采取的带有对抗性质的行为，即“两害相权取其轻，两利相权取其重”。现代博弈论主要研究博弈行为中最优的对抗策略及其稳定局势，协助对弈者在一定规则范围内寻求最合理的行为方式，推动机器学习从“数据拟合”过程中以“求取最优解”为核心向博弈对抗过程中“求取均衡解”为核心的转变。