“国粹”输给电脑？麻将高手也难敌Ai

也许咱们之后能拜 AI 为师学习打麻将

成为雀坛冉冉升起的一代新星

在小说《围城》中，钱钟书先生曾这样描述过麻将：

“麻将固然是国技，又据说最近在美国很流行，打起麻将，既能够缓解思乡之苦，又符合国际潮流。”

因而可知，自那时起，这一蕴含东方哲学和智慧的古老博弈游戏早已风靡全球。

在今天，不管是逢年过节的热闹团圆，仍是平常小聚的茶余饭后，随时随地，凑齐“四我的 一桌牌”就能打个热火朝天。

可当这一项传统技艺融合了现代Ai技术后，又该是怎样一番场景呢？

今年6月，“Suphx”成为首个在国际专业麻将平台“天凤”上荣升十段的AI系统，这是目前AI系统在麻将领域取得的最好成绩，其实力超越该平台公开房间顶级人类选手的平均水平。

“十段”是什么概念呢？

在“天凤”平台上，全球范围内现役十段的人类选手仅十几位。“Suphx”取得“十段”的成绩，大体可至关于围棋中“AlphaGo”挑打败了李世石。

这是一个不凡的成绩。

除了“Suphx”，还有另外两个 AI 也获准进入“特上房”比赛，分别是“爆打”和“NAGA25”。

目前，Suphx 是惟一一个达到“特上房”最高段位的 AI。

因为单局麻将存在着很大的运气成分，因此天凤平台会经过“稳定段位”来衡量一位玩家的真实水平。

在 5760 场比胜过后，Suphx 的稳定段位超过了8.7，不只高于“爆打”和 “NAGA”，还超越了顶级人类选手（十段及以上）的总体稳定段位。

这些成就意味着，“Suphx”在四个月内成长为了最强日麻 Ai。日本麻将的爱好者和专业参赛选手，纷纷寻找着它背后的开发者，但一无所得。

“Suphx” 的官方社交帐号上，只有简单的介绍

直到2019世界人工智能大会举行，“Suphx” 的身世才被公诸于世。

微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士对外宣布，“Suphx”是微软亚洲研究院的工做成果，由刘铁岩博士带队研发。

从围棋到德州扑克，再到麻将 AI，这几年机器学习已经在「拼智力」这条路走了很远。

那么为何微软此次会选择传统的麻将游戏做为研发重点呢？

对此，微软称，与象棋、围棋等棋类相比，麻将在游戏对弈的过程当中存在大量隐藏信息，具备高度的不肯定性。

与其余棋牌类游戏相比，刘铁岩将麻将形容为比其余棋牌类游戏更“AI”， 由于麻将自己并无像其它类游戏那样经过控制键盘来决定出招快慢，它更多关注的是策略，把没必要要的、人和机器的差异抹掉，体现的是智慧智能的做用。

所以，麻将的复杂度远高于其余棋类，对 AI 技术存在着特殊挑战。

目前为止，Suphx 在“天凤”中只是在与人类选手对打，天凤平台CEO角田真吾在交流会上表示，将来会考虑将 Suphx 引入更高阶的“凤凰房”中。

可是出于“凤凰房”中对战的人数有限，引入 AI 将产生的影响还不肯定，所以会慎重考虑这一作法会带来的影响，好比引入有大量 AI 进入，“凤凰房”可能就不是原来的“凤凰房”了。

为了让 Suphx 更加成熟，微软将从哪些维度进一步推动呢？

刘铁岩表示，麻将 AI 还有不少值得继续研究的方向，好比因为麻将游戏有大量的隐藏信息，因此传统的树搜索的方式很难应用，微软如今是以预测为主而不是搜索为主，这是 Suphx 团队的一个方向性认识。

从更大的维度来看，搜索算法和预测算法结合也是一个值得研究的技术焦点，这对解决不少实际问题都有帮助。

另一个维度是微软关心 的 AI 的可解释性，Suphx 如今打比赛有着本身独特的风格，但到底是什么样的风格微软自身并不清楚，刘铁岩表示这一方面是由于麻将 AI项目的研究员的麻将“修为”比较浅，没法像专业选手同样能够看懂Suphx的风格，另外一方面也是由于这个技术路线自己含有大量参数，须要经过很复杂的训练产生，如何让 Suphx 的模型有自解释的能力，是微软下一步的重点。

最后，刘铁岩还提到 Suphx 最主要的训练收益是经过线下（将近 2000 万场）的自我博弈，数量远远超出线上数量（5000 场）。其中，线下自我博弈学到的信号数量不少，可是学到更多的是如何自我提高，可是 5000 场线上对弈中，系统能够学到别人的打法、风格和实战中解决问题的能力。

这两类信号的做用各有千秋，而微软正在考虑如何将两者结合。这也是最近一段时间人工智能领域的新的研究热点，即从人类或有经验的玩家的行为中进行抽象与海量的自我博弈结合。

正如洪小文所说：“游戏一直是人工智能研究的最佳试验田，训练游戏 AI 的过程能够不断提高人工智能的算法和人工智能处理复杂问题的能力。麻将 AI 系统 Suphx 的技术突破，对于探索及扩展人工智能算法的边界是很是有益的尝试。同时，麻将这类游戏中的推理、决策过程与人类真实且复杂的生活更贴近，咱们但愿经过对麻将 AI 系统的研究，提高人工智能在现实环境中解决复杂问题的能力，推进人工智能技术的发展。”