如何評價天鳳特東 AI ?爆打?

自2015年7月28日起,日本麻將AI?爆打在天鳳上開始刷戰績,僅用了不到一周時間就達到特上。到現在僅僅四個月的時間內,就打了9000多對戰數,安定特上。

但從理論上來說AI可以做到完美牌效,完美棄和順序,完美攻守判斷,但它也只是個四五六段升降機。那?爆打的實力如何?是什麼因素阻礙它升上鳳桌?


這個AI在狀況判斷上的分析邏輯基本還處於原始階段,觀戰過這AI的就會發現它和不懂狀況判斷只會狂日的玩家水平大差不差。

由於特上開始四位的pt損失隨著段位急劇升高,特別六段時二位和四位pt收支比達到極值(和十段一樣都是1:4),這就需要玩家在特上要有些基本的狀況判斷和避4技術。有鳳凰實力的玩家,特上的4位率壓到23%以下是再正常不過。

就不要求AI打到這麼好的成績吧,也不要求AI刻意避4,假設AI能有(0.26, 0.26, 0.24, 0.24)的特上順位分布的實力,這個成績分布要求不高吧?畢竟你是AI本身在牌效率、防守找安全牌等計算上有先天優勢。那麼這個AI從五段原點開始打起,那麼打9000個東風能升到鳳的機會是多少呢?

這個用程序跑一下馬爾科夫轉移矩陣就出來了,結論是:機率超過86%(如果是9000半庄,那麼更加會高至99%以上)。

如果在避4上再稍微下點功夫,哪怕變到(0.26, 0.26, 0.245, 0.235),9000東風的升鳳率就會有94.5%以上,基本是穩了。

這樣的順位分布在可以說是會些基本的牌理和狀況判斷知識的特上玩家都能達到的成績,然而AI到現在也沒升鳳(話說現在好像離升鳳線很近了),只能說很大概率這個AI的實力(主要是狀況判斷)比大部分科學麻將玩家都差不少

PS:跑馬氏鏈的code

import numpy as np

p1 = 0.26
p2 = 0.26
p4 = 0.24
p3 = 1-p1-p2-p4

state = {(1, 200): 0, (7, 1400): 1}
_i = 2
for _dani in range(2, 7):
for _pt in range(0, _dani*400, 5):
state[(_dani, _pt)] = _i
_i += 1

def c(dani, pt):
if pt &< 0: dani -= 1 pt = dani * 200 elif pt &>= dani * 400:
dani += 1
pt = dani * 200
return state[(dani, pt)]

m = np.zeros((len(state), len(state)))
m[c(1, 200)][c(1, 200)] = 1.0
m[c(7, 1400)][c(7, 1400)] = 1.0
for d in range(2, 4):
for p in range(0, d*400, 5):
m[c(d, p)][c(d, p + 60)] += p1
m[c(d, p)][c(d, p + 15)] += p2
m[c(d, p)][c(d, p)] += p3
m[c(d, p)][c(d, p - d * 15 - 30)] += p4
for d in range(4, 7):
for p in range(0, d*400, 5):
m[c(d, p)][c(d, p + 75)] += p1
m[c(d, p)][c(d, p + 30)] += p2
m[c(d, p)][c(d, p)] += p3
m[c(d, p)][c(d, p - d * 15 - 30)] += p4

res = np.linalg.matrix_power(m, 9000)

print(res[c(5, 1000)][c(7, 1400)])


第一、作為一個AI,其程序的判斷過於簡單。

作為一個天鳳雀士,其判斷是比較複雜的。然而筆者和AI對決時,AI的做法無非是兩種:直接全攻或完全棄和,這種判斷且不說是否錯誤,首先從複雜性說就比人差了許多。

第二、其判斷機制不太符合天鳳的授受制。

我們都知道,天鳳是一個避4期望的遊戲,然而作為AI,爆打併不知道見好就收,即使是一個大top局面,它基本也會全力進攻,實際上這並不符合天鳳的一個機制。

那麼接下來說一下實力:

9000多戰基本上可以確定這是一個特上升降機,初步判斷其牌效系統比較完善,沒有什麼失誤,但也僅此而已。基本上對於立直機械棄和、其他時候全力進攻,打上五段不成問題,考慮到適當的波動,四到六段可以理解。

此外理論上來說AI確實可以做到完美判斷,但前提是製作者能夠不斷調整AI的判斷思路、並修正AI的分支結構和循環結構,否則這個AI也就到此為止了。


可以完善的地方太多了

作者有點懶而已…


推薦閱讀:

未來人工智慧的實現是以神經網路學還是遺傳演算法為主,兩者相對來說有何優勢?
生物狗如何轉行人工智慧?有成功者嗎?
汽車智能化要到什麼程度才算過分?
如何看待Hinton提出的soft decision tree?
由於技術的進步,有哪些事物的定義被改變了?

TAG:人工智慧 | 麻將 | 日本麻將 |