线下打牌近2000万场 微软麻将AI探路金融投资

如果你还在为打不赢麻将而烦恼，可能马上就会有一个人工智能系统，能助你一臂之力。8月29日-31日，上海举办第二届世界人工智能大会，微软人工智能及研究事业部负责人沈向洋在会上宣布，微软亚洲研究院在游戏AI领域取得突破，创造出史上最强的麻将AI Suphx（超级凤凰）。

与象棋、围棋等对弈信息全部公开的游戏相比，麻将桌上的信息更为隐蔽，不为对手所知。这要求相关AI系统具有更强的模糊决策能力和大局意识，更接近于现实场景。

微软介绍，Suphx于今年3月在日本专业麻将平台“天凤”上线，到6月，与人类进行了5000余场四人麻将对局后，已经成为该平台上首个荣升十段的AI系统。在“天凤”允许AI参赛的公开房间中，Suphx的稳定段位超越顶尖人类选手的平均水平1个段位以上。

“大家平时打牌输钱的朋友们，你们的喜讯来了。”沈向洋表示。

由于关于Suphx的科学论文尚未发表，微软亚洲研究院副院长、机器学习领域负责人刘铁岩在上海接受记者等采访时，简要介绍了麻将AI背后的原理。

刘铁岩表示，微软的麻将AI项目是在2017年年中正式启动，由一群不太会打麻将的科学家研发了约一年半时间。这个起始时间距离谷歌AlphaGo在韩国战胜围棋世界冠军李世石已经有一年半时间。

刘铁岩表示，之所以选择麻将，是因为其存在大量的隐藏信息。象棋和围棋均属于完美信息游戏，玩家可以看到对方落子。而每个麻将玩家可以有13张手牌和84张底牌，他们并不知道对手的手牌和没有翻出来的底牌是什么，所以信息非常不对称。这么多的未知信息，使游戏存在很大的不确定性，AI模型很难发现已知牌面信息和最优打法之间的逻辑链路。

此外，麻将中，4个玩家的出牌顺序不固定，任何一人的“吃碰杠”，都可能导致出牌顺序突然改变，由吃牌者开始新一轮的出牌，所以很难直接使用AlphaGo的蒙特卡洛树搜索算法，用足够的算力去算出最能取胜的结果，而需要新的技术。

“因为我们看不到麻将的底牌，且每一局都要随机洗牌，所以围棋这样的比赛，它对应着一棵游戏树，而像麻将这样的比赛，则是由无穷多的树组成的一片森林。不幸的是，我们并不知道自己在哪一棵树上。”刘铁岩表示。

他认为，现实中的很多场景，都存在大量隐藏信息且有多人博弈，比如在智能交通方面，不同司机在马路上争抢路权，以及投资市场上，很多金融机构只能看到部分信息，且彼此之间存在接近零和博弈的竞争关系，从麻将AI身上学到的知识，有机会可以应用到这些领域。

此前，已经有美国的人工智能ETF，表现未出超过大盘平均水平，使人们逐渐降低对人工智能技术的期望。

刘铁岩向记者承认，麻将只是一个规则明确的四人游戏，真要将技术应用到众人参与的现实世界，还需要“最后一公里”的努力。为此，微软亚洲研究院正在跟华夏基金、太平资产等做一些实盘投资的实验，希望将AI技术用到金融投资领域。

那么，Suphx的背后，到底采用了什么技术，使其能够解决麻将所带来的挑战？

刘铁岩介绍，为了解决隐藏信息的问题，微软采用的是先知教练技术，以提升深度强化学习的效果。其想法是，在AI自我博弈的训练阶段，设立一个先知的角色，让教练能够看到所有信息，并在不透露底牌的前提下，不断提示AI模型的训练方向，使其不至于像一只无头苍蝇一样乱撞。最终，这些信息将倒逼AI模型更深入地理解可见信息，从而找到最优路径。刘铁岩表示，为此，他们在Suphx上线之前，就已经让它进行了近2000万场线下自我博弈。

对于麻将复杂的计分机制，微软团队使用了全盘预测技术，让机器可以理解每轮比赛对8轮过后终盘结果的不同贡献，从而将终盘的奖励信号，合理地分配回每一轮比赛中，使AI学会一些具有大局观的技巧。

“这些技术都是在深度学习基础上，进一步发展出来的。”刘铁岩解释，“我们今天整个人工智能领域，最有效的是深度强化学习。在解决某些特别难问题的时候，是需要不断改进，不断创新，提高进步的。”

考虑到麻将在中国深厚的群众基础，外界自然关心，微软是否会将麻将AI引入中国？对此，刘铁岩向财新记者表示，此次选择创办于2006年的日本天凤平台，是因为它有完善的竞技规则、专业的段位体系，且吸引了全球近33万名麻将爱好者。

“从技术方面来讲，（微软麻将AI）进军四川没有问题，因为我们使用的是自学习的智能体方式，对规则没有那么敏感，”刘铁岩表示，“但是要看机缘，是不是有其他的爱好者和合作伙伴，能够跟我们一起做起来。”