麻將起源于中國(guó)，是國(guó)粹。雖然各地的麻將玩法各不相同，比如云貴川地區(qū)的缺一門打法；廣東麻將流行“雞平和”和“推倒胡”，東北麻將則一門都不能缺......但無論什么玩法都飽受大眾喜愛。

要論一個(gè)地道的四川人對(duì)麻將的喜愛，不能說有癮，畢竟“競(jìng)技場(chǎng)上的事情，怎能說是癮呢？”

逢年過節(jié)不是在牌桌子上，就是在去打牌的路上。

上學(xué)“多動(dòng)癥”，打牌“坐如鐘”，坐個(gè)通宵都是灑灑水。

“我真的不知道為什么打麻將會(huì)有癮，我天天打，也不見得有癮啊”

“人生最大憾事不過三缺一”

（無非就是以上所描述的此類程度罷了）

在四川要是有人罵你“你打麻將永遠(yuǎn)三缺一”，大家都會(huì)覺得這人罵的是真毒?。?/p>

但是，你或許不知道AI也能打麻將，要是人人都能和AI在牌桌子上一決高下，不僅“三缺一”魔咒不復(fù)存在，社恐麻將愛好者也或許能迎來福音，“我社恐，一缺三，來三個(gè)AI”（這不是幻想）。

鵝廠AI“絕藝”成新一代雀神

7月11日，騰訊最新消息，旗下棋牌類AI“絕藝”LuckyJ在知名日本麻將平臺(tái)“天鳳”上，刷新AI在麻將領(lǐng)域最好成績(jī)（達(dá)穩(wěn)定段位10.68段）

10.68段是什么概念？天鳳則按照1段—11段來進(jìn)行排位，利用科學(xué)的段位和 Elo Rating 體系，根據(jù)參與的局?jǐn)?shù)和不斷累積的積分，來判定段位。（越是和高水平牌手對(duì)局，獲勝后 Rate 增加越多，失敗后 Rate 減少越少: 越是和低水平牌手對(duì)局，獲勝后 Rate 增加越少，失敗后 Rate 減少越多。）最終段位和 Rate 值的穩(wěn)定值就代表了牌手的真實(shí)實(shí)力。

目前，在平臺(tái)上，7段以上3037人，約占百分之一，而能達(dá)到 10 段的只有 27 人（含AI），只占不到萬分之一。

（天鳳穩(wěn)定段位bootstrap的分布，絕藝LuckyJ顯著強(qiáng)于之前最強(qiáng)的兩個(gè)日本麻將AI（Suphx，NAGA）LuckyJ vs Suphx p value=0.02883；LuckyJ vs NAGA p value=3e-05）

絕藝LuckyJ不僅達(dá)到日本麻將天鳳十段，而且之前還在國(guó)標(biāo)麻將線下邀請(qǐng)賽中戰(zhàn)勝了6位國(guó)標(biāo)麻將職業(yè)選手。成為首個(gè)戰(zhàn)勝國(guó)標(biāo)麻將頂尖職業(yè)選手的麻將AI。

騰訊AI進(jìn)軍麻將

棋牌游戲AI其實(shí)早已經(jīng)不是什么新鮮事了，繼象棋，跳棋，圍棋之后，AI麻將又一次進(jìn)入大眾視野，但其實(shí)AI麻將早在2015年就有發(fā)跡。

2015年，東京大學(xué)開發(fā)的“爆打”，9 月，爆打達(dá)到天鳳麻雀“四段，12 月一度沖進(jìn)天鳳七段，穩(wěn)定段位均6段左右。

2018年，Dwango 公司于開發(fā)的基于深度學(xué)習(xí)模型的“NAGA25”，天鳳穩(wěn)定段位均6.5左右。

2019年，微軟開發(fā)的Suphx于3月登陸天鳳，短短幾個(gè)月內(nèi)，Suphx在該平臺(tái)上與人類選手展開了5000余場(chǎng)四人麻將對(duì)局，達(dá)到了十段，超越了99%人類玩家，這是世界上第一個(gè)達(dá)到天鳳10段水平的人工智能。

至于騰訊的AI“絕藝”，它的開發(fā)始于2016年，最早是從圍棋起步。那么問題來了，為什么這么長(zhǎng)時(shí)間，騰訊AI才進(jìn)軍麻將？

一個(gè)字——難。

首先，麻將是一個(gè)“不完美信息博弈”，共有 136 張牌，除了對(duì)手打出來的牌之外，對(duì)手的手牌、游戲的底牌、以及對(duì)手的牌型組合都是未知的，而圍棋、象棋雙方在每一次決策前后都能看到全局信息，是“完美信息博弈”。

其次，對(duì)戰(zhàn)過程中也涉及了大量的決策，麻將的隨機(jī)性很高，發(fā)牌的結(jié)果、玩家行為都是隨機(jī)的，除了正常的摸牌、打牌之外，還要決定是否吃牌、碰牌、杠牌、立直以及是否胡牌，任意一位玩家的吃碰杠都會(huì)改變摸牌的順序。

此外，麻將的牌型非常多，同時(shí)每個(gè)牌型還有不同的組合方式，還有許多復(fù)雜的規(guī)則和策略，需要建立一個(gè)大規(guī)模的知識(shí)庫。棋牌游戲一直以來都是 AI 技術(shù)的優(yōu)質(zhì)試驗(yàn)場(chǎng)，而“非完美信息” 游戲存在著大量的隱藏信息，給游戲帶來了更高的不確定性，對(duì) AI 的博弈能力提出更高要求，所以麻將AI需要更強(qiáng)大的決策能力。

更大規(guī)模的“非完美信息博弈”

麻將相較于圍棋、象棋、橋牌以及德州撲克來說是一類更大規(guī)模的非完美信息博弈問題。對(duì)AI來說具有更大的挑戰(zhàn)性，如果說圍棋的可觀測(cè)狀態(tài)信息是10的172次方，隱藏的不確定信息為0，那么，麻將的可觀測(cè)狀態(tài)信息則是10的121次方，隱藏的不確定信息（信息集的平均數(shù)）則為10的48次方。

鑒于傳統(tǒng)的強(qiáng)化學(xué)習(xí)針對(duì)非完美信息游戲沒有收斂到最強(qiáng)策略的理論保證，而有理論保證的遺憾值最小化算法（表格型）計(jì)算復(fù)雜度太高。騰訊 AI Lab 的研究員提出了一種新型的策略優(yōu)化算法—ACH（actor critic hedge）采用了基于強(qiáng)化學(xué)習(xí)和遺憾值最小化的自我博弈技術(shù)，使得AI能從零開始自我學(xué)習(xí)和提高，最終收斂到一個(gè)最強(qiáng)的混合策略。同時(shí)基于“樂觀價(jià)值估計(jì)的思想”，提出了一種高效的“非完美搜索方法”，使深度強(qiáng)化學(xué)習(xí)結(jié)合非完美信息搜索成為可能。

騰訊稱，訓(xùn)練麻將 AI，其實(shí)就是在訓(xùn)練 AI 更好地去認(rèn)識(shí)人類的世界。 最終讓 AI 解決真實(shí)世界的復(fù)雜問題。

鵝廠絕藝LuckyJ達(dá)日本麻將天鳳十段，還戰(zhàn)勝了國(guó)標(biāo)麻將職業(yè)選手，是目前最強(qiáng)的麻將AI。到這里，不可否認(rèn)AI已經(jīng)在麻將領(lǐng)域戰(zhàn)勝了人類，但還是有不少網(wǎng)友不買賬，

不一定，AI不會(huì)沒事去杠開，更不會(huì)沒事七對(duì)子。我們玩的不是牌，是信仰

AI讀不懂兩口子使眼色的牌和女婿急著輸給丈母娘的心

如果人類牌手作弊，麻將 AI 則無法戰(zhàn)勝人類。

游戲作為生成式 AI 首要試驗(yàn)田，這些或許還只是開端，想要讓AI在牌桌子上讀懂人類選手的心思，還有很長(zhǎng)的路要走，但要是真和AI一起打麻將，輸贏可能就不再是人類牌手的執(zhí)念了（除非你是發(fā)哥）畢竟我們玩的真不是牌，是信仰。

但值得思考的是，圍棋、麻將之后，下一個(gè)會(huì)是誰？

原標(biāo)題：《AI打麻將出道！鵝廠AI“絕藝”成新一代雀神》

閱讀原文