麻將AI算法能用于投資預(yù)測(cè)？微軟揭秘如何研發(fā)

去年，時(shí)任微軟全球執(zhí)行副總裁沈向洋在2019世界人工智能大會(huì)上宣布，微軟亞洲研究院開(kāi)發(fā)出了世界上最強(qiáng)的“麻將AI”——Suphx，并在國(guó)際知名專業(yè)麻將平臺(tái)“天鳳”上榮升十段，其實(shí)力超越該平臺(tái)公開(kāi)房間頂級(jí)人類(lèi)選手的平均水平。

游戲是人工智能算法研究的重要試驗(yàn)田，其環(huán)境的復(fù)雜性和信息的不確定性是機(jī)器學(xué)習(xí)的最佳訓(xùn)練場(chǎng)。

那么麻將AI到底有哪些難點(diǎn)？Suphx在游戲AI領(lǐng)域的跨越性突破具體是如何實(shí)現(xiàn)的？麻將AI落地的最終目的又是什么？在2020世界人工智能大會(huì)上，《每日經(jīng)濟(jì)新聞》記者嘗試從微軟亞洲研究院方面找到答案。

用麻將AI破譯非完美信息博弈

微軟亞洲研究院副院長(zhǎng)潘天佑向記者表示：“大家都知道下圍棋的AlphaGo，牌類(lèi)游戲相對(duì)棋類(lèi)來(lái)說(shuō)更為困難，而牌類(lèi)游戲中最復(fù)雜的就是中國(guó)人的麻將，麻將中蘊(yùn)含太多不確定因素，但我們的研究員就接受了這樣的挑戰(zhàn)?！?/p>

微軟亞洲研究院副院長(zhǎng)劉鐵巖和他的團(tuán)隊(duì)是麻將AI算法的開(kāi)創(chuàng)者。

“想要訓(xùn)練AI，把麻將真正打好是一件很困難的事情?！眲㈣F巖表示，象棋和圍棋雖然看起來(lái)很難，但其實(shí)都是完美信息博弈，也就是說(shuō)對(duì)手的所有信息我們都一覽無(wú)余。這種情況下，AI可以通過(guò)它強(qiáng)大的計(jì)算力來(lái)枚舉各種可能性，從而找到制勝的策略。

而麻將則完全不同，充滿了隨機(jī)性和不確定性。首先玩家只知道自己手里的13張牌和之前打出去的牌，卻無(wú)法知道別人的手牌和沒(méi)有翻出來(lái)的底牌。牌局中存在著大量不可知的隱藏信息，因此麻將屬于非完美信息博弈。

“海量不可見(jiàn)的隱藏信息使得AI很難挖掘出從已知牌面到最優(yōu)策略之間的邏輯鏈路，在非完美信息博弈中，麻將屬于非常復(fù)雜的類(lèi)型?！眲㈣F巖舉了一個(gè)例子，麻將牌有136張，在開(kāi)局時(shí)的排列組合是6人德州撲克的10的90次方倍；開(kāi)局后一個(gè)玩家的手牌確定了，但他看不到其他三個(gè)玩家的手牌，這些隱藏信息有高達(dá)10的48次方種可能。

巨大的狀態(tài)空間和隱藏信息及其帶來(lái)的不確定性使AI模型很難使用傳統(tǒng)的蒙特卡羅數(shù)搜索算法。劉鐵巖表示，但從另一角度而言，一旦成功可能會(huì)讓AI具備前輩們沒(méi)有的新智能。

“微軟亞洲研究院的研究員是一群好奇心很強(qiáng)的人，在這種好奇心的驅(qū)動(dòng)下，我們不斷探索未知，尋求答案，因此決定通過(guò)麻將AI來(lái)破解非完美信息博弈?！蔽④泚喼扪芯吭菏紫芯繂T秦濤表示，團(tuán)隊(duì)采用的是基于強(qiáng)化學(xué)習(xí)的自我博弈技術(shù)，使得AI能夠自我學(xué)習(xí)，自我提高。

目的是解決高度復(fù)雜的現(xiàn)實(shí)問(wèn)題

棋盤(pán)游戲是人類(lèi)智能的體現(xiàn)，游戲AI成為機(jī)器智能尋找突破的陣地。在過(guò)去的30年里，AI在象棋、圍棋等游戲中都逐步戰(zhàn)勝了人類(lèi)。但AI真的已經(jīng)如此聰明了嗎？

秦濤說(shuō)：“可能大家不太相信，其實(shí)我們這幫研究員都是麻將菜鳥(niǎo)。但是我們也能訓(xùn)練出非常厲害的麻將AI?！?/p>

在訓(xùn)練過(guò)程中，劉鐵巖團(tuán)隊(duì)利用隱藏的信息，從“上帝視角”對(duì)Suphx進(jìn)行了線下指導(dǎo)。“正是因?yàn)橛刑嗟碾[藏信息，所以我們引入了一個(gè)‘上帝視角’，它知道所有的完美信息，可以利用這個(gè)完美信息下的最優(yōu)打法來(lái)指導(dǎo)Suphx的學(xué)習(xí)過(guò)程。另一方面，完美信息也可以告訴AI，一個(gè)牌局的輸贏是因?yàn)榇虻煤?，還是因?yàn)榕泼娴倪\(yùn)氣好，這樣可以提供更有效的學(xué)習(xí)方向?！?/p>

經(jīng)過(guò)一段時(shí)間的線下訓(xùn)練，Suphx可以在專業(yè)麻將平臺(tái)與人類(lèi)玩家進(jìn)行線上實(shí)戰(zhàn)，實(shí)戰(zhàn)中因?yàn)槭峙坪偷着魄ё內(nèi)f化，因此Suphx也需要隨機(jī)應(yīng)變。于是，劉鐵巖團(tuán)隊(duì)又提出了動(dòng)態(tài)自適應(yīng)技術(shù)，使得Suphx能夠在牌局中隨時(shí)調(diào)整策略，決定何時(shí)進(jìn)攻何時(shí)防守，提高勝算。

在微軟亞洲研究院看來(lái)，麻將AI不是為了在麻將桌上打敗人類(lèi)，而是讓人類(lèi)從另一個(gè)角度來(lái)看待世界，比如解決問(wèn)題的全新思路，增強(qiáng)人類(lèi)智能。就像AI在打麻將時(shí)，面對(duì)著巨大的不可知信息，我們的生活也會(huì)在隨時(shí)出現(xiàn)突發(fā)情況或黑天鵝事件。從這個(gè)意義上講，麻將比任何棋牌都要更加接近真實(shí)世界。

潘天佑表示，“這種機(jī)器學(xué)習(xí)的技術(shù)可以應(yīng)用在更多現(xiàn)實(shí)場(chǎng)景中，例如我們將先知教練的算法應(yīng)用在AI投資領(lǐng)域，場(chǎng)景上和麻將也是有類(lèi)似之處的，都具有相當(dāng)豐富的隱藏信息”。

“我們希望AI在非完美信息博弈領(lǐng)域的突破，有助于解決高度復(fù)雜的現(xiàn)實(shí)問(wèn)題，幫助人類(lèi)應(yīng)對(duì)更多更大的挑戰(zhàn)。”劉鐵巖說(shuō)道。