這次AI突破的是麻將

camel

圍棋AlphaGo點(diǎn)燃的AI之火漸漸降溫之際，微軟發(fā)布了他們?cè)诼閷⒂螒蛑腥〉玫闹卮笸黄疲郝閷I “Suphx”在國(guó)際知名專業(yè)麻將平臺(tái)“天鳳”上榮升十段?！笆巍笔鞘裁锤拍钅?？天鳳平臺(tái)上，全球范圍內(nèi)現(xiàn)役十段的人類選手僅十幾位。Suphx取得“十段”的成績(jī)，大致可相當(dāng)于圍棋中AlphaGo挑戰(zhàn)勝了李世石。這是一個(gè)不凡的成績(jī)。從AI這門學(xué)科誕生之日起，游戲AI始終與AI研究進(jìn)展相生相伴，跳棋、雙陸棋、國(guó)際象棋和圍棋都曾先后推動(dòng)了AI的發(fā)展。相比以上這幾種棋類游戲，麻將卻是規(guī)則復(fù)雜、勝負(fù)判定煩瑣、信息非完全公開的，且更重要的是在公眾認(rèn)知中麻將更多地有“運(yùn)氣”和“憑直覺”的成分。因此麻將AI若能取得超越人類的水平，可以期待它將帶來新的一波熱潮。

Suphx的晉級(jí)之路

“天鳳”是日本的一個(gè)在線麻將競(jìng)技平臺(tái)，創(chuàng)立于2006年。因其完善的競(jìng)技規(guī)則及專業(yè)的段位體系，很快便成為業(yè)界知名的高水平專業(yè)麻將平臺(tái)，受到職業(yè)麻將界的廣泛承認(rèn)。天鳳的評(píng)價(jià)制度，采用Rating制和段位制并行的制度。剛剛注冊(cè)時(shí)等級(jí)從“新人”開始，點(diǎn)數(shù)（pt）會(huì)根據(jù)游戲的情況增減，并最終決定雀士的升段（升級(jí)）和降段（降級(jí)）。玩家的段位越高，在比賽中排位第四受到的點(diǎn)數(shù)懲罰也越多，點(diǎn)數(shù)扣除到一定程度會(huì)導(dǎo)致降段。按照這種規(guī)則，如果雀士的實(shí)力水平一定的話，自己的等級(jí)也會(huì)相對(duì)地穩(wěn)定在某一個(gè)段位上。根據(jù)段位，游戲者可以使用的桌也會(huì)發(fā)生變化。天鳳平臺(tái)為高水平麻將玩家提供了兩種競(jìng)技房間：“特上房”對(duì)四段以上所有玩家免費(fèi)開放，允許AI參與游戲，目前所有玩家在此房間的最高段位是十段；“鳳凰房”僅對(duì)七段以上的人類付費(fèi)玩家開放，目前不允許AI參與游戲，在該房間能夠達(dá)到的最高段位是十一段，稱為“天鳳位”。自天鳳平臺(tái)在2006年推出以來，全球范圍內(nèi)達(dá)到四人麻將（四麻）天鳳位的雀士也不過13人，曾經(jīng)達(dá)到過十段的玩家約有180位，而現(xiàn)役十段的人類玩家僅有十幾位。微軟亞洲研究院開發(fā)的麻將AI Suphx在2019年3月份開始登錄天鳳平臺(tái)，經(jīng)過近三個(gè)多月、與人類玩家展開了5000余場(chǎng)四麻對(duì)局后，6月份Suphx成功晉級(jí)天鳳十段，也是首個(gè)晉級(jí)十段的AI系統(tǒng)。在5000余場(chǎng)對(duì)局中，Suphx的穩(wěn)定段位超過了8.7。這樣的穩(wěn)定段位是一個(gè)極高的數(shù)字。據(jù)統(tǒng)計(jì)，天鳳平臺(tái)的所有頂級(jí)人類玩家在取得十段后，在“特上房”共參加過近萬場(chǎng)比賽，整體穩(wěn)定段位為7.4。與所有取得過天鳳十段的頂級(jí)人類玩家相比，Suphx在特上房的穩(wěn)定水平要領(lǐng)先約1.3個(gè)段位。此前，天鳳平臺(tái)還活躍著另外兩個(gè)麻將AI系統(tǒng)，由東京大學(xué)在2015年開發(fā)的“爆打”和Dwango公司于2018年開發(fā)的基于深度學(xué)習(xí)模型的“NAGA25”，二者的穩(wěn)定段位均在6.5左右。事實(shí)上，在晉級(jí)十段之前，Suphx很長(zhǎng)一段時(shí)間穩(wěn)定在九段，其獨(dú)特的打牌風(fēng)格在麻將領(lǐng)域刮起了不小的“AI風(fēng)”，很多麻友都嘗試從中學(xué)習(xí)新的打牌方式，并且在中國(guó)很多麻友親切地稱她為“蘇菲老師”“蘇菲姐姐”。此外，麻將領(lǐng)域神一級(jí)存在、被天鳳平臺(tái)冠為“God of mahjong”的朝倉(cāng)康心也曾表示：“我看了Suphx的比賽，我感覺它好像比我更強(qiáng)大！”

麻將AI難在哪里

為什么說麻將AI戰(zhàn)勝人類是游戲AI的又一次重大突破呢？因?yàn)槁閷I相比于棋類游戲更難。一般來說，我們可以根據(jù)信息的暴露程度將游戲分為兩大類：完美信息游戲和非完美信息游戲。如果所有的參與者，在游戲的任何階段都可以訪問所有關(guān)于游戲（包括對(duì)手）狀態(tài)及其可能延續(xù)的信息，那么稱這類游戲?yàn)橥昝佬畔⒂螒?，否則稱為非完美信息游戲。圍棋、象棋等棋類游戲，對(duì)局雙方可以看到局面的所有信息，屬于完美信息游戲；而撲克、橋牌、麻將等游戲，雖然每個(gè)參與者都能看到對(duì)手打過的牌，但并不知道對(duì)手的手牌和游戲的底牌，也就是說各個(gè)對(duì)局者所掌握的信息是不對(duì)稱的，因此屬于不完美信息游戲。完美信息游戲和非完美信息游戲難度的衡量指標(biāo)通常是有區(qū)別的。對(duì)于完美信息游戲，通常游戲的復(fù)雜度就決定了難度，我們可以用狀態(tài)空間復(fù)雜度和游戲樹復(fù)雜度對(duì)其難度進(jìn)行衡量：對(duì)于傳統(tǒng)的完美信息棋類游戲中，圍棋不管從狀態(tài)空間復(fù)雜度，還是游戲樹復(fù)雜度上都遠(yuǎn)遠(yuǎn)領(lǐng)先其他棋類游戲。2017年，AlphaZero 利用MCTS和深度強(qiáng)化學(xué)習(xí)，成功解決了包括圍棋在內(nèi)的多個(gè)完美信息游戲。我們也有理由相信，只要算力足夠，對(duì)于更加復(fù)雜的棋類游戲，我們都能通過已有的方法得到解決。而另一方面，對(duì)于非完美信息游戲，隱藏信息對(duì)于游戲的難度影響很大。例如麻將，參與者只能看到他手中的13張牌的信息，對(duì)于另外3家的手牌以及剩余的底牌則完全不知。由于這種信息的不完全、非對(duì)稱性，對(duì)于參與者來說許多不同的游戲狀態(tài)看起來是無法區(qū)分的。顯然，對(duì)于非完美信息游戲而言，合理的游戲策略應(yīng)該建立在信息集而不是游戲狀態(tài)之上。相應(yīng)地，當(dāng)我們衡量非完美信息游戲的難度的時(shí)候，也應(yīng)該依據(jù)信息集的數(shù)目而不是游戲狀態(tài)空間的大小。信息集的數(shù)目通常小于狀態(tài)空間的數(shù)目。對(duì)于完美信息游戲，由于所有信息都是已知的，每個(gè)信息集只包含一個(gè)游戲狀態(tài)，因此它的信息集數(shù)目與狀態(tài)空間數(shù)目是相等的。除了信息集的數(shù)目，還有一個(gè)重要的指標(biāo)：信息集的平均大小，即在信息集中平均有多少不可區(qū)分的游戲狀態(tài)。按照這兩個(gè)標(biāo)準(zhǔn)來衡量非完美信息游戲的難度：2017年卡耐基梅隆大學(xué)和阿爾伯特大學(xué)相繼發(fā)布了Libratus和DeepStack，在兩人無限注德州撲克上成功擊敗了世界頂級(jí)人類玩家。目前的AI在圍棋和德州撲克上的成功很大程度上依賴于搜索算法，因?yàn)樗阉骺梢宰畲蟪潭鹊匕l(fā)揮計(jì)算機(jī)的計(jì)算優(yōu)勢(shì)。但是因?yàn)榫薮蟮男畔⒓骄笮淼沫h(huán)境不確定性，傳統(tǒng)的搜索算法在橋牌和麻將面前很難發(fā)揮同樣的功效。如果把過去的游戲AI的研究看作“一維延展”（信息集數(shù)目）的話，那么德州撲克則是向二維方向（信息集平均大?。┑某跏紘L試。但整個(gè)二維平面還有更廣闊的空間需要探索，這需要我們發(fā)明全新的方法論，同時(shí)這也將成為游戲AI的一個(gè)主要研究方向。

開拓游戲AI二次元

具體到麻將這個(gè)游戲，一方面，136張麻將牌的排列組合可能性非常多，再加上打牌過程中4位玩家出牌的順序并不是固定的（例如碰杠等），導(dǎo)致游戲樹不僅不規(guī)則而且還是動(dòng)態(tài)變化的。這些特點(diǎn)使得麻將AI很難使用AlphaGo那樣的蒙特卡洛樹搜索算法。其次是非完美信息問題。麻將中每個(gè)玩家除了手中的13張牌和已經(jīng)打出的牌外，其他玩家手中的牌和剩余的底牌都是未知的，由于隱藏信息過多導(dǎo)致游戲樹的寬度非常大，樹搜索算法基本不可行。另外還需要注意的就是麻將本身的獎(jiǎng)勵(lì)機(jī)制，畢竟這才是評(píng)判勝負(fù)的標(biāo)準(zhǔn)。對(duì)于日本麻將而言，一輪游戲共包含8局，最后根據(jù)8局得分總和進(jìn)行排名，來形成最終影響段位的點(diǎn)數(shù)獎(jiǎng)懲。因此有時(shí)麻將高手會(huì)策略性輸牌，以保證自己在最終結(jié)算時(shí)獲得最大的點(diǎn)數(shù)獎(jiǎng)勵(lì)。這為構(gòu)建高超的麻將AI策略帶來了額外的挑戰(zhàn)，AI需要審時(shí)度勢(shì)，把握進(jìn)攻與防守的時(shí)機(jī)。微軟亞洲研究院的幾位研究員針對(duì)麻將的這些特點(diǎn)，將整個(gè)訓(xùn)練過程分為3個(gè)階段。首先是“初始化”階段，本質(zhì)上就是用專家數(shù)據(jù)做監(jiān)督學(xué)習(xí)，得到一個(gè)初始模型。隨后在這個(gè)初始模型基礎(chǔ)上用自我博弈的方式進(jìn)行強(qiáng)化學(xué)習(xí)。在這個(gè)階段，為了克服非完美信息博弈的問題，研究者在訓(xùn)練階段利用不可見的一些隱藏信息來引導(dǎo)AI模型的訓(xùn)練方向，讓它的學(xué)習(xí)路徑更加清晰、更加接近完美信息意義下的最優(yōu)路徑，從而倒逼AI模型更加深入地理解可見信息，從中找到有效的決策依據(jù)。他們稱之為“先知教練”技術(shù)。第三個(gè)階段則是在線比賽，通過不斷參與到與人類玩家的對(duì)局中，從而不斷得到自我更新和提高。自2019年3月進(jìn)入天鳳平臺(tái)以來，Suphx在與人類玩家的對(duì)局中學(xué)得非常快。目前，在平衡攻擊和防御方面，Suphx表現(xiàn)出了比許多頂尖人類玩家更明智的策略，能夠戰(zhàn)略性地完成短期損失與長(zhǎng)期收益之間的權(quán)衡，并根據(jù)已有的模糊信息進(jìn)行快速?zèng)Q策。

盡管目前來看Suphx在天鳳平臺(tái)上只達(dá)到十段水平，距離“天鳳位”還有一定距離，但我們可以相信一旦天鳳平臺(tái)開放權(quán)限，Suphx達(dá)到并超越“天鳳位”的諸位玩家將指日可待，這也將成為繼AlphaGo之后再次挑戰(zhàn)人類認(rèn)知的歷史事件。不過它的意義并不僅在于“震驚”，更在于對(duì)研究和應(yīng)用方向的開拓。正如前面提到的，麻將AI的研究為游戲AI在“第二維度”開辟了新的方向，并進(jìn)行了極大地拓展。我們可以期待未來在“第二維度”上將會(huì)有更多的研究出現(xiàn)。甚至為了更進(jìn)一步拓展研究范圍，可能會(huì)有一些研究人員發(fā)明出具有更大信息集數(shù)目和更大信息集平均大小的新游戲來。這不是不可能。此外，我們所生活的世界也正是一個(gè)非完美信息的決策過程，麻將游戲中復(fù)雜的推理策略和帶有隨機(jī)性的博弈過程比完美信息游戲更加貼近人類復(fù)雜的真實(shí)生活。我們同樣可以期待，對(duì)非完美信息游戲的研究，將有助于我們開發(fā)出適用于真實(shí)生活場(chǎng)景的更加“智能”的AI系統(tǒng)。當(dāng)然，最直接的意義還在于，Suphx“蘇菲老師”在牌風(fēng)上已經(jīng)自成一派，創(chuàng)造了許多新的策略和打法，這將直接改變麻將社區(qū)的生態(tài)。許多麻將愛好者已經(jīng)開始學(xué)習(xí)Suphx的打法來提升和豐富自己的麻將技巧，這其中包括天鳳位的大神，他是世界上第15位三人麻將天鳳位獲得者，也是第一位在四人麻將和三人麻將中均取得天鳳位的頂級(jí)玩家。他表示：“我已經(jīng)看了300多場(chǎng)Suphx的比賽，我甚至不再觀看人類玩家的比賽了。我從Suphx身上學(xué)到很多新技術(shù)，它們對(duì)于我的三人麻將打法有著非常大的啟發(fā)意義?！逼诖疤K菲老師”晉升天鳳位！