腾讯AI登顶国际麻将平台，刷新全球最好成绩

2017年，腾讯AI夺冠围棋的时候 （网友呼吁我们进军麻将）

2019年，腾讯AI打赢王者职业选手的时候 （网友呼吁我们进军麻将）

2020年，腾讯AI获得AI足球世界冠军的时候 （网友呼吁我们也进军麻将）

先给大家介绍一下天凤平台：

“天凤”，是知名的日本麻将竞技平台，拥有较为体系化的竞技规则和专业段位规则，受到职业麻将届的广泛认可。

全世界的麻将AI基本都在这里进行训练 和打段 。 （既然要出道，就要在AI最多的平台取得成绩并出道）

“段位”，就有点类似于我们打王者荣耀，根据参与的局数和不断累积的积分，判定你的段位，王者有：青铜……钻石、星耀、王者、荣耀王者。

天凤则按照1段—11段来进行排位，10段就相当于王者荣耀里的荣耀王者段位。

天凤稳定段位bootstrap的分布，绝艺LuckyJ显著强于之前最强的两个日本麻将AI（Suphx，NAGA）LuckyJ vs Suphx p value=0.02883；LuckyJ vs NAGA p value=3e-05

这 是目前排名前三的麻将AI，绝艺LuckyJ花了一千多局，就达到了10段，在特上房所有对战数超过1000把的注册玩家，稳定段位历史排名第一。

LuckyJ看起来“完全没有漏洞”！

一方面通过保留安全牌等策略降低事故率。

另一方面，即使手牌中同时存在多个和牌方向，LuckyJ也可以在这些复杂的分支中顺利的进行下去。

值得一提的是，绝艺LuckyJ不仅达到日本麻将天凤十段，而且之前还在国标麻将线下邀请赛中战胜了6位国标麻将职业选手。 （麻将在中国早已经成为了一项专业的运动，有着一大批参加专业赛事的选手）

成为首个战胜国 标 麻将顶尖职业选手的麻将AI。

经过数月与腾讯麻将AI的对抗测试，通过分析AI对局，AI无论在进攻还是防守都让我印象深刻。

在进攻端，AI可以呈现出快速成型、保持变化、根据场况做出最佳选择；在防守端，从初期的控制节奏和方向，到后期可以精准调整、果断变张，可谓做到了违害就利、大破大立。

我们通常所谓的妙手、灵光一现，甚至基于经验和感觉做出的置之死地而后生的选择，对于AI来说可能算是常规操作。

第二个问题。

为什么这么长时间，才进军麻将？

因为麻将对于AI来说—— 难 。

相对于围棋和象棋，双方的棋子都在桌面上，所有人都可以看到全局信息，这种情况叫 完美信息博弈 。

而像德州扑克和麻将，两者的共同点是有隐藏信息，玩家手牌都不可见，这种叫 非完美信息博弈 。

不管是完美信息博弈还是非完美信息博弈，过去棋牌类AI有两大核心技术要素。

离线训练：

其目的在于通过强化学习或其他算法，让AI学会玩游戏，并得到一个固定的离线策略。 （离线策略：生成自己的对战策略，什么状态下应对什么动作）

在线搜索：

在线对战的时候，在线搜索技术可以通过强大的计算力来无穷枚举各种可能性，在离线策略的基础上进行实时调整，搜索到制胜路径。

也就是在和你下围棋时，你走了1步，AI脑海里已经想了1万步，然后从中挑选出最优的一步来和你下棋。

大家都知道的围棋AlphaGo采用的方法就是 强化学习+蒙特卡洛树搜索。

但是，针对完美信息博弈的技术并不适用 于 非完美信息博弈场景。

具体来说，传统强化学习并不能收敛到非完美信息博弈的最强策略。

另外，蒙特卡洛树搜索又要求对手手牌可见。

所以，德州扑克AI采用的方法就是 遗憾值最小化算法+安全子博弈搜索 。

德州扑克只有2张不可见手牌，计算复杂度没有特别高，可以借用计算机的算力来满足传统的算法。

而麻将有136张牌，手牌只有13张牌，存在着巨量隐藏信息，是德州扑克的 几亿……亿 倍。

如 上图所示 ，横坐标信息集数目表示可观察状态的多少，即牌面的信息，纵坐标信息集平均大小表示隐藏信息多少，即其他所有对手的手牌的可能性。

此外，在麻将除了正常的摸牌、打牌之外，还要决定是否吃牌、碰牌、杠牌以及是否胡牌。

任意一位玩家的行为都会改变摸牌的顺序，涉及了大量的决策。

总之，在麻将面前，过去的方法并不完全适用:

传统离线策略训练方法，要么算的快但算不好 （强化学习） ，要么算的好但算不快 （遗憾值最小化算法） 。

传统的在线搜索算法，要么不适用 （蒙特卡洛树搜索） ，要么计算复杂度太高 （安全子博弈搜索） 。

所以，麻将AI要打好麻将，就得另辟蹊径，找到一种方法：

既能训练强大的离线策略还要满足高效的在线搜索。

要什么有什么。