人類以後想提升自己的麻將技能，可能要拜人工智能為師了。
微軟亞洲研究院研發的麻將AI系統Suphx在國際知名專業麻將平臺“天鳳”上榮升十段，且超越99.99%的人類後，研究團隊在接受澎湃新聞採訪時稱，有日本出版社有意聯繫，準備把Suphx打的牌譜出一本書，如果對麻將感興趣的，大家可以通過這本書來學怎麼打麻將。
4月9日，微軟亞洲研究院Suphx研發團隊通過線上直播，詳細介紹了Suphx的技術細節，其論文近日在arXiv平臺上發佈。直播結束後，微軟亞洲研究首席研究員秦濤、微軟亞洲研究院高級研究工程師李俊傑在接受澎湃新聞採訪時表示，團隊目前正在和天鳳平臺協商，看是否考慮推出類似提升人類牌技的服務。例如，通過輸入一個人當前的牌面，Suphx會告訴這人該打哪張牌，以及它為什麼打那張牌。
有意思的是，據兩位研究員透露，有日本出版社在聯繫，希望Suphx打的牌譜出一本書。“因為有麻將愛好者將 Suphx 稱作麻將教科書、Suphx老師，如果對麻將感興趣同學們，他們可以通過這個書來學怎麼打牌。”
圖片來源：pixabay
Suphx如何提升牌技
去年8月，微軟亞洲研究院在世界人工智能大會上正式宣佈由其研發的麻將AI系統Suphx成為首個在國際知名專業麻將平臺“天鳳”上榮升十段的AI系統。
在過去半年多的時間裡，研究團隊對Suphx又進行了調整。具體來說，一是把整個系統架構進行了重新的優化，使它更快、更好。另一個是，在算法上也做了改進，比如“先知教練”。從博弈論的角度來看，麻將是多人非完美信息博弈。麻將一共有136張牌，每一位玩家只能看到很少的牌，包括自己的13張手牌和所有人打出來的牌，更多的牌是看不到，包括另外三位玩家的手牌以及牆牌。面對如此多的隱藏未知信息，麻將玩家很難僅根據自己的手牌做出一個很好的決策。
但通過先知教練，Suphx可以可以看到所有的信息，包括(1)玩家自己的私有手牌，(2)所有玩家的公開牌，(3)其他公共信息， (4)其他三個玩家的私有手牌，(5)牆牌。只有(1)(2)和(3)是正常的玩家可以獲得的，而(4)和(5)是隻有“先知”才能獲得的額外的 "完美 "信息。
在Suphx中，Suphx研發團隊首先使用包括完美信息在內的所有特徵來對“先知”進行強化學習訓練，在這一步中控制“先知”的學習進度，不能讓其過於強大。然後，通過對完美特徵增加mask逐漸使“先知”最終過渡到正常AI。接著，繼續訓練正常AI並進行一定數量的迭代，採用衰減學習率和拒絕採樣的技巧來調整訓練過程，讓AI的技術不斷精進。
正如AlphaGO一開始以人為師，升級後，開始自己“左右互博”，不斷提升。秦濤在採訪中表示，Suphx也嘗試過完全不用人的數據做訓練，直接用self-play，是可以做好的，只不過是訓練速度會慢一些，這也涉及到背後算法要做一些新的改動，讓計算機學得更快。
未來可用在股票操盤上
Suphx會打麻將只是第一步。兩位研究員稱，團隊正在金融行業和物流行業做一些嘗試，讓Suphx技術落地實際應用場景。
在金融領域裡，如果我們能提前知道明天股票行情是，那麼今天的投資肯定會做得很好，這在某種程度上就是完美信息。例如，今天A股已經閉盤了，那麼我們就知道了今天所有的股票信息，當我們再回頭看昨天，假設昨天做決策的時候就知道了今天股票的信息，那對股票操作來說就是完美信息。研究員認為，在這種情況下可以利用完美信息，幫助我們把模型訓練得更好。實際應用的時候就像麻將裡面一樣，通過完美信息，我們可以得到一個非常強大的老師——Teacher model，這樣學生模型student model也會學的很好。
在機器翻譯領域中，完美信息也很有幫助。比如在機器翻譯中，如果知道一句話的上下文，可能它翻譯得更好，即完美信息。但實際中不一定每句話我們都知道它的上下文，但是訓練中我們可以拿到完美信息，就可以幫助我們將翻譯做得更好。
還有哪些不足
從此次發表的論文看，Suphx的技術表現堪稱完美。但在兩位研究員看來，未來Suphx還有進步的空間。
“比如我們現在很多時候還是用了高手的數據訓練一個模型，然後再到強化學習，但是我們有不同的麻將平臺及規則，不一定所有的平臺都能拿到人類的數據，在這種情況下怎麼能不用人的數據直接從0開始，這是我們在做的一件事情。”秦濤說。
相比圍棋、象棋以及DOTA遊戲，麻將的隨機因素很多，這對模型的訓練和測試都會帶來很大的影響。據研究團隊透露，他們的模型在測試的時候基本上會跑100萬場遊戲，才能明確地知道誰更厲害，這就跟圍棋很不一樣，圍棋五局三勝，麻將不同。這種情況下如何更快地完成對弈，得出可信賴的結果，也是團隊在研究的一個問題。
最後，團隊還在考慮，Suphx能針對性地，面對不同的對手採取一些自適應策略。
本文轉自：澎湃新聞記者：王心馨
立足亞洲 面向世界
傳遞論壇最新動態 促進亞洲深度合作
全球重要對話的傳達者 亞洲共同發展的瞭望者
