江苏龙网

  1. 首页 > 人文 > >

科技湃■研究团队称有意出教材提升人类牌技，微软麻将AI超越人类后

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 。 ”（小标题）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 。 （小标题）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——Teachermodel ， 这样学生模型studentmodel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 。 （小标题）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 。 (本文来自澎湃新闻 ， 更多原创资讯请下载“澎湃新闻”APP)


    推荐阅读


    上一篇：【有戏】想当年｜《古今大战秦俑情》：30年前的穿越故事

    下一篇：【公益湃】逾4.7万人相助，“西昌烈火英雄救助”项目筹款超70万元