中國AI麻將打出新高度！戰(zhàn)勝真人職業(yè)選手，鵝廠「絕藝」刷新戰(zhàn)績

明敏 2023-07-11 12:59:15 來源：量子位

明敏 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

不愧是中國AI，打麻將“輕松”登頂。

騰訊最新消息，旗下棋牌類AI“絕藝”LuckyJ在日本麻將平臺(tái)“天鳳”上，刷新AI在麻將領(lǐng)域最好成績。

僅需1321盤對(duì)局，絕藝LuckyJ就達(dá)到了AI最高段位，比第二名Suphx減少了4052盤對(duì)局。

而且它的能力穩(wěn)定在十段，要知道人類頂級(jí)選手的平均穩(wěn)定段位也只有7.4。

在日本麻將天鳳平臺(tái)上，絕藝LuckyJ也成為僅有的27個(gè)達(dá)到十段的玩家之一（包括AI），而該平臺(tái)的平均活躍人數(shù)在23.8萬。

不止是日本麻將，在國標(biāo)麻將中，絕藝LuckyJ也曾擊敗過六位職業(yè)選手，成為首個(gè)戰(zhàn)勝國標(biāo)麻將職業(yè)選手的麻將AI。

其中一位國標(biāo)麻將選手作出了這樣的評(píng)價(jià)。

我們通常所謂的妙手、靈光一現(xiàn)，甚至是基于經(jīng)驗(yàn)和感覺做出的置之死地而后生的選擇，對(duì)于AI來說可能都是常規(guī)操作了。

在絕藝LuckyJ拿下日本麻將十段后，還有不少網(wǎng)友前來祝賀。

畢竟在AI打麻將背后，提升的其實(shí)是AI在問題決策上的能力，這也有利于讓AI去解決更多現(xiàn)實(shí)生活中復(fù)雜的問題。

所以絕藝LuckyJ是怎么做到的？

打麻將AI需要學(xué)會(huì)更平衡的策略

先來看AI打麻將難在哪。

對(duì)于AI來說，玩游戲是一種極佳的檢驗(yàn)其能力的方式，常見形式比如下象棋、下圍棋、打王者榮耀等。

在這其中，圍棋和象棋等屬于完美信息博弈。即游戲雙方在每次落子前都能看到全局信息，也就是相互能看到彼此的情況。

這對(duì)AI來說難度并不高，因?yàn)樗梢酝ㄟ^強(qiáng)大算力暴力求解，找到一個(gè)最優(yōu)解。

但是打麻將的情況就復(fù)雜了。

玩家之間不僅無法看到多個(gè)其他玩家的牌，還有大量信息隱藏在沒有揭開的牌里，這就是典型的非完美信息博弈。

也就是說AI和人類玩家在最開始時(shí)都只能看到自己手里的13張牌，另外有一百多張牌未知。而且在每次打牌時(shí)要做一系列復(fù)雜的決策，比如是否吃牌、碰牌、胡牌等，做出的決策還要兼顧進(jìn)攻和防守。

與此同時(shí)，其他玩家的吃碰杠操作都會(huì)改變接下來的摸牌順序，決策更加復(fù)雜。

在這樣一個(gè)橫坐標(biāo)表示可觀察信息量、縱坐標(biāo)表示隱藏信息量的圖標(biāo)中，可以看到麻將包含的隱藏信息遠(yuǎn)遠(yuǎn)高于其他棋牌游戲。

所以該怎么辦？

騰訊AI Lab提出了一種基于強(qiáng)化學(xué)習(xí)和遺憾值最小化的自我博弈技術(shù)。

這使得AI能從零開始自我學(xué)習(xí)和提升能力，并最終收斂到一個(gè)最強(qiáng)的混合策略，在實(shí)際對(duì)戰(zhàn)過程中可以具備更加平衡的策略能力。

同時(shí)考慮到傳統(tǒng)的非完美信息搜索算法在麻將面前很難發(fā)揮太大作用，研究人員還基于樂觀價(jià)值估計(jì)的思想，提出了一種高效的非完美搜索方法，使得AI能在海量隱藏信息的游戲狀態(tài)中，實(shí)時(shí)調(diào)整當(dāng)前策略，更好應(yīng)對(duì)多變的戰(zhàn)局。

據(jù)研究員介紹，相比人類，AI在麻將游戲中，擁有更加平衡的策略，對(duì)局勢(shì)的計(jì)算非常精確，其中包括打每張牌的期望收益、未來可能胡哪些番型等等。在這樣的“策略”訓(xùn)練下，AI之后也能更快速進(jìn)入到其他行業(yè)中去。

在具體實(shí)戰(zhàn)測(cè)試中，絕藝LuckyJ是在“天鳳”中對(duì)決。

這是一個(gè)老牌日本麻將游戲平臺(tái)，創(chuàng)建于2006年。

從bootstrap分布來看，絕藝LuckyJ顯著強(qiáng)于另外兩個(gè)日本麻將AI（Suphx、NAGA）：LuckyJ vs Suphx p value=0.02883；LuckyJ vs NAGA p value=3e-05。

另外在國標(biāo)麻將將近2000場(chǎng)對(duì)局中，絕藝LuckyJ的平均贏番達(dá)到1.76番。

（這里番表示國標(biāo)麻將的結(jié)算單位，數(shù)值越大說明贏得越多）

游戲AI已經(jīng)跨行應(yīng)用了

不過，這么費(fèi)勁提升AI的打麻將能力，當(dāng)然不是只想讓它打麻將。

騰訊 AI Lab 研究員介紹，在游戲環(huán)境中推進(jìn)決策AI的能力，最終是希望AI能從虛擬走向現(xiàn)實(shí)，解決真實(shí)世界的復(fù)雜問題。

在現(xiàn)實(shí)世界中充滿了需要在非完美信息狀態(tài)下做決策的場(chǎng)景，比如金融交易、自動(dòng)駕駛、交通物流、拍賣系統(tǒng)等。

而且騰訊AI Lab也已經(jīng)有了實(shí)際案例。

其旗下另一個(gè)決策AI絕悟，就學(xué)會(huì)了識(shí)別病理全片掃描圖像中的病灶位置，效率是傳統(tǒng)方法的400%。

這個(gè)AI找尋最優(yōu)看片路徑的方法，是基于強(qiáng)化學(xué)習(xí)。

它避免了用傳統(tǒng)的窮舉方式去分析局部圖像切塊，而是先決策找到有觀察價(jià)值的區(qū)域，并通過跨多個(gè)分辨率級(jí)別獲得代表性特征，以加速完成全片判讀。

通過模仿人類的思維方式，不僅提高了看片效率，還做到了節(jié)約成本。

綜上，會(huì)玩《我的世界》的絕悟已經(jīng)能懸壺濟(jì)世了，也讓人期待會(huì)打麻將的絕藝之后能跨行干啥呢？

你覺得絕藝LuckyJ有哪些可應(yīng)用的方向？