微软麻将AI超越人类后 研究团队要出教材提升人类牌技

(原标题:微软麻将AI超越人类后,研究团队称有意出教材提升人类牌技)

澎湃新闻记者 王心馨

人类以后想提升自己的麻将技能,可能要拜人工智能为师了。

微软麻将AI超越人类后 研究团队要出教材提升人类牌技-机器成精

微软亚洲研究院研发的麻将AI系统Suphx在国际知名专业麻将平台“天凤”上荣升十段,且超越99.99%的人类后,研究团队在接受澎湃新闻(www.thepaper.cn)采访时称,有日本出版社有意联系,准备把Suphx打的牌谱出一本书,如果对麻将感兴趣的,大家可以通过这本书来学怎么打麻将。

4月9日,微软亚洲研究院Suphx研发团队通过线上直播,详细介绍了Suphx的技术细节,其论文近日在arXiv平台上发布。直播结束后,微软亚洲研究首席研究员秦涛、微软亚洲研究院高级研究工程师李俊杰在接受澎湃新闻采访时表示,团队目前正在和天凤平台协商,看是否考虑推出类似提升人类牌技的服务。例如,通过输入一个人当前的牌面,Suphx会告诉这人该打哪张牌,以及它为什么打那张牌。

有意思的是,据两位研究员透露,有日本出版社在联系,希望Suphx打的牌谱出一本书。“因为有麻将爱好者将 Suphx 称作麻将教科书、Suphx老师,如果对麻将感兴趣同学们,他们可以通过这个书来学怎么打牌。 ”

Suphx如何提升牌技

去年8月,微软亚洲研究院在世界人工智能大会上正式宣布由其研发的麻将AI系统Suphx成为首个在国际知名专业麻将平台“天凤”上荣升十段的AI系统。

在过去半年多的时间里,研究团队对Suphx又进行了调整。具体来说,一是把整个系统架构进行了重新的优化,使它更快、更好。另一个是,在算法上也做了改进,比如“先知教练”。从博弈论的角度来看,麻将是多人非完美信息博弈。麻将一共有136张牌,每一位玩家只能看到很少的牌,包括自己的13张手牌和所有人打出来的牌,更多的牌是看不到,包括另外三位玩家的手牌以及墙牌。面对如此多的隐藏未知信息,麻将玩家很难仅根据自己的手牌做出一个很好的决策。

但通过先知教练,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)所有玩家的公开牌,(3)其他公共信息, (4)其他三个玩家的私有手牌,(5)墙牌。只有(1)(2)和(3)是正常的玩家可以获得的,而(4)和(5)是只有“先知”才能获得的额外的 "完美 "信息。

在Suphx中,Suphx研发团队首先使用包括完美信息在内的所有特征来对“先知”进行强化学习训练,在这一步中控制“先知”的学习进度,不能让其过于强大。然后,通过对完美特征增加mask逐渐使“先知”最终过渡到正常AI。接着,继续训练正常AI并进行一定数量的迭代,采用衰减学习率和拒绝采样的技巧来调整训练过程,让AI的技术不断精进。

正如AlphaGO一开始以人为师,升级后,开始自己“左右互博”,不断提升。秦涛在采访中表示,Suphx也尝试过完全不用人的数据做训练,直接用self-play,是可以做好的,只不过是训练速度会慢一些,这也涉及到背后算法要做一些新的改动,让计算机学得更快。

未来可用在股票操盘上

Suphx会打麻将只是第一步。两位研究员称,团队正在金融行业和物流行业做一些尝试,让Suphx技术落地实际应用场景。

在金融领域里,如果我们能提前知道明天股票行情是,那么今天的投资肯定会做得很好,这在某种程度上就是完美信息。例如,今天A股已经闭盘了,那么我们就知道了今天所有的股票信息,当我们再回头看昨天,假设昨天做决策的时候就知道了今天股票的信息,那对股票操作来说就是完美信息。研究员认为,在这种情况下可以利用完美信息,帮助我们把模型训练得更好。实际应用的时候就像麻将里面一样,通过完美信息,我们可以得到一个非常强大的老师——Teacher model,这样学生模型student model也会学的很好。

在机器翻译领域中,完美信息也很有帮助。比如在机器翻译中,如果知道一句话的上下文,可能它翻译得更好,即完美信息。但实际中不一定每句话我们都知道它的上下文,但是训练中我们可以拿到完美信息,就可以帮助我们将翻译做得更好。

还有哪些不足

从此次发表的论文看,Suphx的技术表现堪称完美。但在两位研究员看来,未来Suphx还有进步的空间。

“比如我们现在很多时候还是用了高手的数据训练一个模型,然后再到强化学习,但是我们有不同的麻将平台及规则,不一定所有的平台都能拿到人类的数据,在这种情况下怎么能不用人的数据直接从0开始,这是我们在做的一件事情。”秦涛说。

相比围棋、象棋以及DOTA游戏,麻将的随机因素很多,这对模型的训练和测试都会带来很大的影响。据研究团队透露,他们的模型在测试的时候基本上会跑100万场游戏,才能明确地知道谁更厉害,这就跟围棋很不一样,围棋五局三胜,麻将不同。这种情况下如何更快地完成对弈,得出可信赖的结果,也是团队在研究的一个问题。

最后,团队还在考虑,Suphx能针对性地,面对不同的对手采取一些自适应策略。

*文章为作者独立观点,不代表机器成精立场
相关文章
AI 终极问题:我们的大脑是一台超级计算机吗?
AI 终极问题:我们的大脑是一台超级计算…
完成6轮融资,「Trax」想要做零售AI全场景覆盖,认为行业评价标准应多元化
完成6轮融资,「Trax」想要做零售AI全场…
海思发布XR芯片平台,首款AR产品为Rokid Vision
海思发布XR芯片平台,首款AR产品为Rokid…
AI时代即将到来,人力资源工作会受到怎样的影响?
AI时代即将到来,人力资源工作会受到怎…
AI技术如何助力国际会议?
AI技术如何助力国际会议?
AI公司,开始破产了:要么往前上市,要么往后离场
AI公司,开始破产了:要么往前上市,要…
我还没有学会写个人说明!