知集软件 / 开源项目 / Mahjong AI

一副麻将,和一个自己练出来的对手

个人技术项目 · 不是知集软件的产品

能在浏览器里打的四川麻将(血战到底),1 人对 3 个电脑,加上一个从零训练的 AI。规则、界面、训练、评估都是陈佳绍一个人做的。

观战画面:四个电脑对打,牌全部摊开,右侧是模型对四家得分的预计、下一步的想法和牌理
四个电脑对打的观战画面。牌全部摊开,右边是模型对四家最终得分的预计、它下一步的想法和牌理。

做成了什么,效果如何

AI 先模仿一个按规则写的程序,再靠自己和自己打了 897 万局,最后明显强过它的老师。下面的数字都是实测。

  • +1.38 分 / 局

    和三个规则型程序同桌打 1 万局,平均每局多赢的分数

  • 897 万局

    自我对弈的局数,一张 RTX 4060 Ti 上 12 小时

  • < 1 毫秒

    在 CPU 上出一手牌的时间,不需要显卡

  • 189 个

    自动化测试,规则逐条有测试

能玩
你和三个电脑打完整的一局:换三张、定缺、碰、杠、胡、结算,连打多局,每局自动存牌谱
AI 有多强
和三个规则型程序同桌打 1 万局没用过的牌,平均每局多赢 1.38 分(95% 置信区间 1.23 到 1.53)
练了多久
先模仿规则型程序,再自我对弈 12 小时、897 万局,用的是一张家用显卡(RTX 4060 Ti)
反应多快
模型导出后只有 6 MB,不用显卡,出一手牌不到 1 毫秒
公平
AI 只看得到自己的牌,这一点有自动化测试证明;给你的提示也一样

在软件里能看到什么

AI 不是一个黑箱:它每一步怎么想、各个版本谁强谁弱,都画在界面上。

概率条
打开提示,手牌上方的蓝条是模型打每一张牌的把握
估值曲线
模型预计四家各自这一局能得多少分,随牌局进行怎么变
观战
四个座位各放一种电脑,牌全部摊开,自动一局接一局地打,可以暂停、调速、换视角
段位梯
各个版本两两同桌对打的成绩表,加上训练过程的成绩曲线
听牌提示和进张
现在几向听、进哪些牌、各剩几张;听牌时列出能胡的牌和番数。这部分是规则算的,不靠模型
报牌
四个座位各有一个音色,打出什么牌就报什么
段位梯:五个版本两两同桌的成绩表,下面是训练过程中对规则型程序的得分曲线
段位梯:各个版本两两对打的成绩表,加训练曲线。

还做不到的

和这个网站上的产品一样,短板照实写。

不会防守
它的分数全靠进攻。别人听牌时它照样打危险牌,点炮率有 50%。
只有一种玩法
四川麻将的血战到底,其他玩法和地方规则没有做。
单机
一个人对三个电脑,没有联机。
没有在线试玩
只能把仓库克隆下来,在自己的电脑上运行。
性质
陈佳绍的个人技术项目,不是知集软件的产品
玩法
四川麻将,血战到底
形式
单机,1 人对 3 个电脑
试玩
没有在线试玩,克隆仓库后在本地运行
代码
GitHub 仓库

技术细节:怎么做出来的

下面这部分写给想看实现的人,按做的先后顺序排。

  1. 规则引擎纯 Python,没有界面,给定种子完全可复现。换三张、定缺、十几种番型、查花猪、查大叫、退税都有,逐条有测试。
  2. 规则型程序算向听数和进张,作为第一个像样的对手,也是后面的老师和标尺。
  3. 训练环境把一个座位看到的局面编码成 71 × 27 的数组;12 个进程并行对局,每秒五万多个决定。
  4. 模仿学习让一个 178 万参数的残差网络学规则型程序的选择,97.9% 的局面选得一样,实力持平。
  5. 自我对弈用 PPO 让它和自己的历史版本对打。训练时价值网络可以看全场的牌,出牌的那一路看不到。
  6. 评估同一副牌打四次,待测的一方轮流坐四个座位,抵消发牌的运气;用没见过的牌确认成绩。
  7. 入座模型导出成 6 MB 的 ONNX 文件,对局软件用 CPU 推理,不需要装深度学习框架。
模型
残差网络,178 万参数
模仿
97.9% 的局面和规则型程序选得一样
强化
自我对弈(PPO),12 小时,897 万局
硬件
一张 RTX 4060 Ti
推理
6 MB 的 ONNX,CPU 上每手不到 1 毫秒
成绩
每局 +1.38 分,95% 置信区间 1.23 到 1.53
测试
189 个自动化测试
  • Python
  • PyTorch
  • ONNX Runtime
  • FastAPI
  • React
  • TypeScript
软件里的“关于这个项目”页
软件里自带的项目介绍页,点开看大图。