oracle 去摸_Suphx论文翻译（一）

因为对Suphx的机制十分感兴趣 所以抛砖引玉地试图翻译一下

还请各位大佬指教

苏菲：使用深度学习和强化学习掌控日本麻将

摘要

人工智能(artificial Intelligence，AI)在许多领域都取得了巨大的成功，自人工智能诞生以来，游戏AI被广泛认为是它的滩头阵地。近年来，对游戏人工智能的研究逐渐从相对简单的环境(如围棋、象棋、将旗等完美信息游戏或两人不完美信息游戏，如德州扑克)发展到更复杂的环境(如多人不完美信息游戏，如多人的德州扑克和星际争霸2)。麻将是一种流行的多人不完全信息游戏，因为日本麻将拥有复杂的玩法和积分规则以及大量的隐藏信息，所以在AI的训练上非常有挑战性。我们在深度强化学习的基础上，结合全局奖励预测、oracle指导和热策略调整等新技术，设计了一个麻将AI：Suphx。Suphx在安定段位上表现出了比大多数顶尖的人类玩家更强的表现，在天凤平台的所有正式排名的人类玩家中，Suphx的排名在99.99%以上。这是第一次一个AI在麻将方面胜过大多数顶尖的人类玩家。

第一部分 介绍

为游戏开发超级AI是人工智能(AI)的长期目标。游戏人工智能在过去20年里取得了巨大的进步(2，3，11，13，15，16，18)。最近的研究逐渐从相对简单的完美信息或两人游戏(如将旗、国际象棋、围棋和德州扑克)发展到更复杂的不完美信息多人游戏(如桥牌(12)、Dota(1)、星际争霸II(21)和多人德州扑克(4))。日麻是一种信息不完全、玩家众多的多轮游戏，在全球数亿玩家中非常受欢迎。在日麻游戏的每一轮中，四个玩家相互竞争，以胡牌决胜。建立一个强大的日麻AI对当前的游戏人工智能研究是一个巨大的挑战。

首先，日麻拥有完整的积分规则。每一局日麻拥