点击进入!

　　“斗地主”、“麻将”这些都是国内广泛流行的传统棋牌真人看牌抢庄游戏，相信在高铁、地铁、一些公共场合，看到老百姓拿着手机在玩这些游戏。

可想而知，这类游戏的广泛群众基础。

　　围棋中，对手的和自己的棋子都在棋盘上，对于当前的棋盘状态一清二楚。

而类似“斗地主”、“麻将”只知道自己手中的牌和桌面上的牌（姑且叫做明牌），对于对手或者同伙的牌以及没有摸起来的牌（姑且叫做暗牌）是一无所知的。

需要根据明牌来推测暗牌，进而明确当前的状态。

　　。

“斗地主”这类传统棋牌游戏中，还需要多个“农民”来配合打到“地主”。

用一句话总结：不怕神一样的对手，就拍猪一样的队友。

　　抢地主模块（Bid Module）在初始阶段，用于判断是否需要抢地主。

而策略选择模块（The Policy Network）、出牌选择模块（The Kicker Network）根据状态来决定出牌。

　　策略选择模块主要是根据状态，来确定出牌类型。

而出牌选择模块进一步预测确定性的出牌。

例如策略选择模块确定要出“789”的牌，而出牌选择模块，确定出“789J”还是“789Q”

　　Paper采用了8百万的游戏数据，进行了神经网络的训练。

在此做一下大胆的猜想，能否像AlphaGo Zero没有游戏数据，而是通过自己和自己的交战，来提升智能水平。

　　信息的完整性。

由于游戏产业中，棋牌的正常运行是依靠服务器程序来完成的，也就是不论每个人手中的牌，还是底牌，服务器程序都是知道，因而就没有暗牌。

因此棋牌游戏的信息不完整性其实在游戏产业中是不存在的，游戏产业中的人工智能最优化求解问题，肯定要比学术界研究的简单。

　　人格化。

游戏产业中的Bot程序在于陪伴真实的人类进行比赛，进而扩展游戏的在线使用人数、留存游戏的使用用户。

如果仅凭逻辑推理上讲，人工智能的Bot肯定要高于普通人类玩家。

但是人类玩家如果明显感觉到和自己挑战的是个Bot，而不是人类，就会丧失游戏的激情。

所以，游戏产业中的人工智能，不但要具备足够的EQ可以和人类玩家进行PK，还要具有一定的IQ让人类玩家产生游戏的乐趣。

即是人工智能具有人格化，具有情绪和情感。

这个产业需求也正和AI大牛的预测相符。