HyperAI超神经

还记得去年 8 月微软发布的「雀神 AI」Suphx 吗？日前，该研究团队在 arXiv 上发布了更新版的论文，进一步介绍了 Suphx 背后的技术。

2019 年 8 月 29 日，微软发布了一个名为 Suphx（超级凤凰）的麻将 AI，在专业的麻将竞技平台上，Suphx 的实力胜过了顶级人类选手的平均水平。

当时一经发布，Suphx 便引起了广泛的关注，不仅是人工智能领域，不少麻将爱好者也都赶来围观讨论。（可点击此文回顾《一家胡三家的人工智能来了》）

人们评价该系统比战胜了职业围棋手的 AlphaGo 更复杂，被誉为「最强日麻人工智能」。

今天，该系统的研发团队在 arXiv 上发表了论文 《Suphx: Mastering Mahjong with Deep Reinforcement Learning》（《Suphx：掌握麻将与深度强化学习》），更深一步地讲解了 Suphx 背后的技术。

此前我们已经介绍过，Suphx 系统利用深度强化学习，从 5000 场比赛中学习、吸取经验之后，在日本专业的麻将竞技平台「天凤」上击败了众多麻将玩家，取得平台「特上房」的最高段位十段。

这样一个强悍的麻将 AI，究竟是如何打造的？来自微软亚洲研究院、京都大学、中国科学技术大学、清华大学以及南开大学的研究团队，在最新版的论文中，进行了深入的介绍。

从论文中，我们也得知，Suphx 在进一步的学习下，水平也更进一步。在拥有超过 35 万位玩家的「天凤」平台上，被官方评为水平超越 99.99% 以上玩家，这是计算机程序首次超过麻将中大多数顶级人类玩家。

Suphx 包含一系列卷积神经网络，它学习了五种模型来处理不同的场景，包括 discard（丢弃模型）、 Riichi 模型、 chow 模型、 Pong 模型和 Kong 模型。

在此基础上，Suphx 采用另一种基于规则的模型，来决定是否宣布赢家并进行下一轮，检查是否赢牌可以从其他玩家丢弃的牌中来判断，或者从排墙上抽出来的牌来判断。

据介绍，Suphx 的训练过程一共分为三步。

首先，它的 5 个模型都使用从「天凤」平台收集的顶级人类玩家的日志进行训练。

然后，使用包含一套基于 CPU 的麻将模拟器和基于 GPU 的轨迹生成推理引擎，通过自我博弈强化学习对系统进行微调。

最后，在在线游戏期间，使用运行时策略调整被用来观察当前轮的结果，从而使系统执行得更好。

由于麻将牌局中，对手的信息都是未知的，因此，Suphx 尝试了先知教练技术来提升强化学习的效果。在自我博弈的训练阶段，利用隐藏信息引导模型训练方向，从而增强 AI 模型对可见信息的理解，并找到有效的决策依据。

在实验之前，团队在 44 个 GPU (包括 4 个 Nvidia Titan XPs 用于参数伺服器，40 个 K80s 用于自我博弈玩家) 上，使用 150 万次牌局，对每个模型进行了为期两天的训练。

该团队对 20 个 Nvidia Tesla K80 GPU 上的 Suphx 进行了评估。为了减小稳定排名的方差，他们从 100 多万场的麻将牌局数据集中，随机抽取了 80 万牌局的数据，并从中进行了 1000 次取样。

评估结果为，在「天凤」平台与人类玩家进行了超过 5760 场比赛后，Suphx 创造了十段的纪录——大约只有 180 个玩家曾经达到过这个水平。而 Suphx 稳定的排名是 8.74 段(人类玩家最高水平是 7.4 段) 。

有趣的是，研究人员写道，Suphx 的防守「非常强」，放胡的概率很低，只有 10.06%，而且它开发了自己的游戏风格，可以保证牌的安全，并以半平手取胜。

此外，论文的合著者写道，大多数现实世界的问题，如金融市场预测和物流优化与麻将有相同的特点。比如复杂的操作/奖励规则、非完美信息问题等等。

作者相信，在 Suphx 中设计的麻将技术，包括全局奖励预测、先知引导以及政策调整等，都有巨大的潜力，将来可广泛应用于现实世界，帮助解决真实而复杂的实际问题。

看到这里，你也跃跃欲试了吗？天凤麻将对战平台：***https://tenhou.net/***，一起来一局呀！

—— 完 ——