很高兴能借着 AlphaGo 的东风，和大家分享一下麻将 AI 研究的现状。

　　一. 麻将和围棋有什么不同？

　　从博弈论的角度来讲，围棋是完全信息动态博弈，而麻将属于非完全信息动态博弈。围棋中对局双方所掌握的信息是对称的，而麻将中各对局者间所掌握的信息不对称。虽然大家都能看到每位牌手打过什么牌，但你不知道本港台直播的手牌是什么，本港台直播也不知道你的手牌是什么。这种信息不对称的产生的根本原因是牌墙的随机性。

　　围棋与麻将（或者说棋与牌，弈与博）的上述区别，决定了它们获胜策略的根本不同。棋类项目本质上就是蒙特卡洛树，获胜策略就是选择或迫使对手选择一个分支，这个分支下面所有的结局都是自己胜。只不过由于棋类变化很多，连 AlphaGo 也远不可能遍历整个树，所以 AlphaGo 会通过价值网络来估计某一分支下胜结局的概率。其实人类的思维也是类似的，在围棋里平白被对手屠掉一条大龙，或者在象棋里平白送给对手一个车总是不好的——在这些分支下，胜结局的概率大大降低了。

　　而牌类的获胜策略在于尽可能增大自己的得分期望（EV）。本港台直播并不知道本港台直播接下来要摸什么牌，或本港台直播的对手有什么牌，但所有可能的情形组成一个概率空间，本港台直播只需做出一个选择，使得自己的得分函数的期望最大。牌类策略的难点在于，影响这一概率空间的因素过多，且具体影响很难确定，比如对手打牌的习惯。

　　选手的竞技水平如何衡量？麻将是否是「运七技三」的游戏？其实无论围棋还是麻将，区分选手的竞技水平都不可能只靠一局，就好比 AlphaGo 和李世乭要进行五番棋对决，AlphaGo 赢第一盘时大家并不觉得 AlphaGo 一定比李世乭强一样。围棋有三番、五番、十番棋，对于竞技麻将（国标麻将、日本麻将）而言，区分顶尖选手的竞技水平至少需要 2000~10000 手牌（如果采用类似桥牌的复式赛制，这一数字会大幅降低）。

　　至于衡量一个竞技项目的竞技性，单纯用运气所占比例是没有意义的。随着对局数的增大，运气所占比例会越来越小，选手的长期成绩必然会向其真实水平收敛。一个竞技项目的竞技性应当用「区分选手竞技水平所需必要对局时间」来衡量。比如围棋需要三番棋，麻将需要 2000 手牌，围棋一盘平均需要 4 小时，三番棋约 12 小时，而麻将一手牌约 3 分钟（网络对局），2000 手牌约 100 小时。麻将相比围棋有运气成分，并不意味着麻将选手的竞技水平无法衡量，而意味着麻将需要更多的对局时间来区分选手的竞技水平。

　　所以在这个问题下本港台直播们讨论麻将 AI 能否战胜人类，指的是麻将 AI 长期成绩（10000 手牌以上）能否比人类更好，并不是单指一手牌。只打一手牌，谁都有可能和牌，这是牌类游戏的本质所决定的。

　　当然，这里也不考虑牌手或 AI 作弊的问题。如果通过作弊获得别人手牌的非法信息，麻将的竞技平衡就完全被打破了。再强的麻将 AI 成绩也不可能比作弊的人类好，反之亦然。事实上，现在很多单机麻将游戏的 AI 就是通过作弊来增加「智能」的。

　　三. 麻将会成为人类面对人工智能的「最后壁垒」吗？