不完全信息堡垒的陷落

2019年7月11日，旧金山湾区，卡内基梅隆大学的诺姆·布朗（Noam Brown）按下了发送键。一份新闻通稿从服务器流向各家科技媒体，标题克制到近乎平淡：《Pluribus AI在六人无限注德州扑克中击败人类职业选手》。没有发布会，没有直播，甚至没有一张像样的现场照片。新闻稿的配图是几张图表：蓝色条柱代表Pluribus的赢率曲线，红色条柱代表人类选手，蓝柱高出一截，仅此而已。同一周，太平洋对岸的日本，一个在线麻将平台“天凤”的论坛上，一条帖子正在被反复顶起：“那个叫Suphx的账号，打到十段了。”帖子没有获得网站置顶，没有系统广播，但它在接下来的四十八小时内被浏览了超过三万次。发帖者截取了Suphx的战绩页面：安定度曲线平滑得像用尺子画出来的，从“九段”升入“十段”的拐角几乎看不到波动。在这条帖子的评论区，有人打出了四个字：“不気味だ。”（令人发毛。）

这两个并置的时刻，一个在西方几乎无声无息，一个在东方只在专业社群的角落里激起涟漪，却共同标记了人工智能史上一个迟到但必然的转折点。自国际象棋和围棋相继陷落以来，牌类游戏——尤其是其核心机制“不完全信息博弈”——被视为人类智能最后的堡垒之一。现在，这座堡垒的墙上出现了两道裂纹，而裂纹的制造者，一个在实验室里运筹帷幄，一个在服务器里默默攀爬，都不曾拍出过一张底牌。要理解这个转折为何迟到了二十年，必须先回到信息结构本身。国际象棋和围棋是“完全信息博弈”：棋盘上的一切都明明白白地摆在双方面前，每一个棋子、每一颗黑白子，位置都是公开的。算法的任务，是在一个确定的局面树上搜索最优路径。局面树虽然庞大——围棋的局面数超过了可观测宇宙中的原子数——但它是确定的，是可以通过蒙特卡洛树搜索和深度神经网络逐步逼近的。AlphaGo的下棋逻辑，本质上是在一个巨量的、但边界清晰的空间里计算概率。牌类游戏完全不同。麻将牌的构成在各地大同小异，基本牌组包含两大类共34种牌，标准牌组共136张。然而，无论是136张牌的麻将，还是52张牌的扑克，其信息结构都与围棋的公开棋盘截然相反。

在德州扑克的牌桌上，每位玩家手里有两张底牌，桌面中央有五张公共牌，但对手的底牌是扣着的。这意味着，AI面对的不是一个确定的局面，而是无数个“可能的世界”。对手可能持有任何两张牌，而这每一种可能性都会导致完全不同的决策分支。更致命的是，对手的行为本身也是信息：他加注了，他是真的拿到了强牌，还是在诈唬？他弃牌了，是因为牌真的弱，还是因为他读出了我的牌很强？这一个“诈唬”动作，就将牌类游戏从数学推入了心理学的领域。围棋里没有诈唬，国际象棋里没有诈唬，但在牌桌上，诈唬是核心策略。而诈唬的逻辑反直觉之处在于：它之所以有效，恰恰因为它有时失败。如果一个玩家从不诈唬，对手就能准确读出他的牌力；如果一个玩家总是诈唬，对手就会用弱牌跟注到底。最优的诈唬频率，必须让对手在任何情况下都无法通过单一策略获利。这就是不完全信息博弈的根本困境。

AI不能只计算“这手牌应该怎么打”，它必须同时计算“对手认为我有什么牌”“对手认为我认为他有什么牌”“对手认为我认为他认为我有什么牌”——这是一个无限递归的推理链条。在信息论中，这被称为“信念层级”（hierarchical beliefs），而在牌桌上，这被称为“读人”。读人的能力，长久以来被视为人类牌手的核心技艺，一种无法被算法量化的直觉。但算法终究还是来了。Pluribus的核心技术框架，脱胎于诺姆·布朗和图奥马斯·桑德霍尔姆（Tuomas Sandholm）此前开发的Libratus——一个在2017年击败了四位顶尖人类选手的一对一无限注德州扑克AI。Libratus的突破在于，它没有试图去“猜对手的牌”，而是采用了一种完全不同的思路：反事实后悔值最小化（Counterfactual Regret Minimization, CFR）。这套逻辑，用通俗的方式讲，可以这样理解。

传统的AI博弈思路是“向前看”：根据当前局面，预测对手可能的行为，然后选择最优应对。但CFR是“向后看”：AI不关心对手具体有什么牌，它只关心自己在每一局结束之后，回头审视自己做的每一个决策，然后问自己一个问题：“我当时打的A方案，和我事后知道所有信息之后应该打的最优方案B之间，差距有多大？”这个差距，就是“后悔值”。AI的目标，是通过数十亿次自我对局，将所有决策节点上的后悔值压到最低。一个比喻或许能帮助理解。想象一个新手在牌桌上反复犯同样的错误：总是用弱牌跟注到底，总是错过了诈唬的时机，总是在该弃牌的时候舍不得。人类玩家通过经验积累，会逐渐减少这些错误，但这个过程缓慢且不精确，而且常常被情绪干扰——输了钱之后变得激进，赢了钱之后变得保守，这些人类特有的心理波动都会导致决策偏离最优。

CFR算法则像一个完全冷静的复盘者，它在每一局结束之后，穷举所有可能的情况（“如果对手拿的是同花顺”“如果对手拿的是一对A”），然后计算自己在每一种情况下应该采用的策略，再与自己实际采用的策略比较，找出差值。接着，它把这些差值累积起来，在下一次遇到类似局面时，调整自己的策略，使得后悔值越来越小。经过数十亿次这样的自我博弈和复盘，Pluribus的策略收敛到了一个近乎完美的均衡点：在任何局面下，无论对手采用什么策略，Pluribus的决策都能最大限度地减少长期损失。这里有一个关键细节值得强调：Pluribus并不“知道”对手有什么牌。它甚至不试图去“推理”对手的牌。它只是用CFR算法训练出了一个策略网络，这个网络面对任何局面都能输出一个混合策略——以多大的概率加注，以多大的概率跟注，以多大的概率弃牌。这个混合策略的设计如此精妙，以至于无论对手实际持有强牌还是弱牌，都无法通过偏离最优打法来获利。

换言之，Pluribus不是在“读人”，而是在“读自己”——它读的是自己无数个平行世界中每一个决策的质量，然后选择那个让所有平行世界的后悔值总和最小的选项。这个技术路线的选择，本身就蕴含着一个深刻的哲学判断：在不完全信息博弈中，最优策略不是试图穿透信息的迷雾，而是承认迷雾的不可穿透，然后构建一个在任何迷雾形态下都能稳健运行的策略结构。这就像一位经验丰富的船长，他并不试图在暴风雨中看清每一片浪花，而是将船打造成能够承受任何方向的浪涌——Pluribus的策略，就是那艘船的龙骨。从技术实现的角度看，Pluribus的另一个关键创新在于它对六人桌的适应性。两人扑克与六人扑克存在本质区别：在两人局中，对手只有一个，策略空间相对可控；在六人局中，五位对手各自拥有独立的策略，交互作用呈指数级增长。

Pluribus的解决方案出人意料地简洁：它没有试图去建模五位对手的联合策略，而是假设每一位对手都使用与Pluribus自身类似的均衡策略，然后在这个简化后的环境中进行搜索。这个假设在理论上并不完美——如果对手偏离均衡，Pluribus的应对可能不是最优的——但实验结果证明，在实战中，这个简化假设已经足够强大。当Pluribus在2019年夏天与包括克里斯·弗格森（Chris Ferguson）、达伦·埃利亚斯（Darren Elias）在内的十五位世界顶尖职业选手进行为期十二天的一万手牌对局时，它的每百手牌赢利稳定在五到十个大盲注之间，这个数字在职业扑克界被视为决定性的优势。论文发表后，扑克圈的反应与围棋界在AlphaGo胜利后的反应形成了鲜明对比。

围棋界在2016年经历了一场美学上的失落：当AlphaGo击败李世石时，许多职业棋手表达的是一种近乎悲壮的惋惜——机器证明了，人类在棋盘上追求了两千年的“道”与“美”，在冷冰冰的胜率计算面前不堪一击。棋手们的失落，是文化意义上的失落，是审美传统的断裂。扑克圈的反应则是另外一回事。在Pluribus的论文公开后不到三个月，高额桌职业牌手们就开始将AI工具纳入训练流程。他们并不觉得Pluribus的胜利意味着扑克作为人类技艺的终结，相反，他们看到的是一个永不疲倦的陪练、一个从不犯错的分析系统、一个可以回答“这手牌到底该不该跟注”的终极裁判。费城职业牌手菲尔·加尔丰德（Phil Galfond）在社交媒体上的评论颇具代表性：“我不关心AI是不是比我强，我关心的是它能让我变得多强。”这句话的潜台词是：扑克从来就不是一个关于“纯粹技艺”的游戏，它从一开始就是关于“在有限信息下做出最优决策”的实践理性活动。

AI打败了人类，这个事实本身并不令人沮丧；令人沮丧的是你无法从这个失败中学到东西。而Pluribus恰恰提供了学习的机会——它的策略可以被解析，它的决策逻辑可以被复盘，它的每一个动作都可以被逆向工程。这种实用主义的态度，根植于扑克文化的深层基因。与围棋被赋予的“东方智慧”文化想象不同，扑克从一开始就是一项与金钱、风险、概率计算紧密绑定的游戏。密西西比河上的赌徒们用扑克来决定货物和金币的归属，拉斯维加斯的职业牌手用扑克来谋生，而华尔街的交易员们——他们中的许多人本身就是高额扑克玩家——则将扑克视为金融决策的微缩模型。在这样的文化语境中，技艺本身不是目的，技艺是实现目的的手段。如果AI能够提供更优的技艺参数，那么接纳AI就是最理性的选择。到了2020年，使用AI辅助训练已经成为职业扑克圈的标准操作。

各种基于Pluribus架构或类似CFR算法的训练软件迅速涌现，牌手们可以设定特定牌局场景，让AI反复运行，然后观察AI的均衡策略与自己的实际决策之间的偏差。那些曾经被奉为圭臬的“经验法则”——比如“不要在翻牌前用中等对子跟注过多”——在AI的量化分析面前被逐一检验，有些被证实有效，有些被证明是长期亏损的迷信。职业扑克进入了“后直觉时代”：直觉依然重要，但直觉必须经过数学验证。而在太平洋的另一侧，Suphx在麻将领域的突破，引发了另一种性质的震动。麻将与扑克虽然同属不完全信息博弈，但两者的信息结构存在显著差异。扑克的不完全信息主要来自对手的底牌，而麻将的不完全信息则来自三个维度：对手的手牌、牌墙中尚未被摸取的牌、以及即将被对手摸到的牌。此外，麻将的决策空间比扑克更为复杂——每一轮摸牌后，玩家必须选择打出一张牌，这意味着每一次决策都同时涉及“进攻”（向听牌前进）和“防御”（防止对手和牌）的双重考量。

更重要的是，麻将的计分规则远比扑克复杂：不同役种的分值差异巨大，役满牌型（如国士无双、四暗刻）与普通牌型之间是天壤之别，而是否追求高价值役种，取决于场况、点数差、对手的倾向等多重因素。日本麻将的复杂性尤甚。采用“天凤”平台采用的竞技规则，要求在役种、点数、顺位之间做出精细权衡——有时候，故意不追求最高分值的役种，而是选择快速和牌以确保顺位，反而是更优策略。这种多维度的优化问题，使得麻将AI的研发长期落后于扑克AI。在Suphx出现之前，虽然已有若干麻将AI达到了人类中级水平，但没有任何一个能够稳定维持在“天凤”平台“特上桌”（七段以上）的对局强度。Suphx的突破，同样没有依赖“读人”的逻辑。它采用了与Pluribus类似的自我博弈训练框架，但在具体实现上做了针对麻将的深度优化。Suphx的核心创新在于其奖励函数的设计：它并不简单地以“和牌与否”为优化目标，而是综合考虑了点数收入、顺位变化、以及特定场况下的风险规避。

在训练过程中，Suphx进行了数亿次自我对局，每一次对局结束后，算法都会根据最终的顺位和点数来调整决策网络中的权重——那些导致顺位提升的决策被强化，那些导致顺位下降的决策被削弱。经过长时间的迭代，Suphx的策略网络逐渐收敛到了一个极其稳健的均衡状态。Suphx在天凤平台达到十段之后，日本麻将圈的反应与扑克圈截然不同。扑克圈的态度是实用主义的接纳，而日本麻将圈的反应则包含了更复杂的情绪层面：既有对技术突破的惊叹，也有对“人类直觉”被量化的不安。在天凤论坛上，一条被广泛转发的帖子标题是：“Suphx证明了我们的‘直觉’有多少是迷信。”发帖者列举了Suphx在多个具体牌局中的决策，与人类顶尖牌手的典型打法做了对比，结论令人不安：在许多局面下，人类高手倾向于选择“看起来更漂亮”“更符合牌感”的打法，而Suphx则选择了一个在数学上更优、但在人类审美中显得“难看”甚至“丑陋”的选项。一个被反复讨论的典型案例是“全攻全守”的决策边界。

人类高手通常会在牌局中期根据手牌的进展速度和对手的弃牌倾向，决定是否转入防守。但这个“决定”往往带有主观判断的成分——牌手可能会因为“感觉”对手快要听牌而提前弃和，也可能因为“感觉”自己还有机会而冒险进攻。Suphx则完全量化了这个决策过程：它在每一个决策节点，都会根据当前的自摸概率、对手的听牌概率、以及被和牌后的点数损失，计算出一个精确的弃和阈值。当自摸的期望收益低于这个阈值时，Suphx会毫不犹豫地转入防守，不论这手牌在进攻时“看起来多么漂亮”；当期望收益高于阈值时，它会坚持进攻，不管对手的牌河多么“吓人”。这种冷酷的量化，撕开了人类麻将文化中一层柔软的纱幕。在日本麻将的传统中，存在着一套关于“牌品”“牌风”“美学”的话语体系。某些打法被视为“有格调”——比如坚持追求役满牌型，即使概率极低；某些打法则被视为“没有美感”——比如在终局放弃成型的手牌，转入完全的防守。

Suphx的策略打破了这些话语：它不关心格调，不关心美感，只关心期望收益。而它用十段的战绩证明，那些被人类赋予文化意义的“直觉”，在很多时候不过是包装精美的数学错误。更耐人寻味的是，Suphx的胜利在麻将圈内部引发了关于“麻将的本质是什么”的讨论。如果打麻将的最优策略可以被一个完全没有“牌感”的算法完美执行，那么人类在麻将桌上感受到的紧张、兴奋、犹豫、后悔——这些丰富的情绪体验，究竟是麻将技艺的必要组成部分，还是一种干扰决策的噪音？这个问题没有简单的答案，但它恰恰触及了牌类游戏的深层悖论：牌之所以迷人，恰恰因为它包含着无法被完全计算的部分——扣着的牌、隐藏的意图、对手的诈唬。但当AI证明了这些“无法计算的部分”实际上是可以被计算的，人类在牌桌上还剩下什么？这个问题的答案，或许可以从扑克圈和麻将圈的不同反应中找到线索。扑克圈选择了将AI视为工具，扑克技艺本身被重新定义为“在AI辅助下达到最优决策的能力”。

这种定义将人类从“计算者”的角色中解放出来，转而成为“策略的策展者”——人类不再需要亲自完成所有的计算，但需要理解计算的结果，并在实战中灵活运用。麻将圈的反应则更为复杂，因为它面对的不仅是技术的冲击，还有文化传统的震颤。在日本，麻将不仅仅是竞技，它还承载着明治以来市民文化的历史记忆，承载着战后麻雀庄作为社交空间的社会功能，承载着“牌品即人品”的道德话语。当一个AI用数学证明，最优的牌品与最差的人品在策略上毫无区别时，这套话语体系的地基就出现了裂缝。但无论是扑克圈还是麻将圈，两个领域的反应都指向同一个判断：AI的胜利，不是牌类游戏的终结，而是牌类游戏的一次认知重构。在Pluribus和Suphx出现之前，人类对“如何打好牌”的理解，建立在经验、直觉和代代相传的技巧之上，这套知识体系虽然有效，但充满了未经检验的迷信和无法证伪的断言。正如麻将起源研究中那些纷繁复杂的传说——从陈鱼门说、郑和说到太平军说——尽管细节多与史实不符，却依然“可能包含一些真实细节，或反映麻雀发展史当中的某些面貌”。AI的介入，则像一盏探照灯，开始照亮这些传说背后真实的数学结构。

AI的介入，就像一盏探照灯突然照进了这个领域，照亮了那些曾经隐藏在黑暗中的角落——有些经验被证实了，有些被证伪了，有些被证明只在特定条件下有效。这种认知重构的深度，在扑克圈表现得尤为明显。传统的扑克教材中，充斥着大量基于经验的建议：“在翻牌前，用同花连牌跟注比用非同花高牌更有价值”“在不利位置，应该减少跟注频率”“当对手连续下注三条街时，你的顶对通常不够强。”这些建议并非全错，但它们缺乏精确的量化支撑。AI训练工具的普及，使得这些建议可以在具体情境下被逐一检验。检验的结果常常令人惊讶：某些被称为“黄金法则”的策略，在特定牌面结构下竟然是亏损的；某些被视为“新手错误”的打法，在特定条件下反而是最优解。这种“量化祛魅”的过程，对扑克圈的冲击是深层的。它意味着，扑克技艺不再是一种可以被“传授”的默会知识，而变成了一种可以被“测量”的数学模型。

老派牌手引以为傲的“读人能力”——那种通过观察对手的微表情、下注模式、时间延迟来推断其牌力的直觉——在AI的均衡策略面前，被证明其实际价值远低于人们曾经相信的。AI并不读人，但它通过完美的混合策略，使得对手无法通过任何方式读出它的牌力。它用数学的不可读性，击败了人类的心理可读性。这个事实，在2019年秋天的一场非公开测试中得到了戏剧性的确认。某位以“读人”著称的顶尖职业牌手，在与Pluribus的复盘对局结束后，对着屏幕沉默了很久。他的团队后来透露，在与AI的对局中，这位牌手反复尝试使用他在人类对手身上屡试不爽的诈唬模式，但Pluribus的反应完全不符合他的预期——有时，AI用一个看似不合理的跟注抓住了他的诈唬；有时，AI在一个他确信自己占据优势的局面里果断弃牌。事后分析显示，AI的每一个决策都是均衡策略下的最优解，而这位牌手引以为傲的“读人”，在AI这里读到的只是自己的投影。麻将圈的故事，则以另一种方式展开。

Suphx达到十段后，日本一些麻将研究团体开始系统性地分析Suphx的牌谱。他们发现，Suphx在某些牌局中的决策，与人类顶尖牌手的共识存在系统性偏差。这些偏差主要集中在三个领域：一是对待“好形”与“恶形”的权重分配——人类高手往往对“好形”（牌型整齐、容易听牌的形状）赋予过高的价值，而Suphx则更精确地计算了改良概率与时间成本之间的平衡；二是防守时机的选择——人类高手倾向于在“感觉危险”时转入防守，而Suphx则严格按照期望收益阈值来决策，导致它在某些人类会弃和的局面中坚持进攻并最终和牌，也在某些人类会冒险的局面中早早弃和；三是亲家（庄家）时的策略激进程度——人类高手在亲家时往往会过度激进，试图最大化连庄收益，而Suphx则保持了与闲家时几乎一致的策略框架，只在极少数边界条件下微调。这些发现，在日本麻将界内部引发了持续的讨论。一些传统派牌手拒绝接受Suphx的策略，认为它“缺乏美感”“不符合麻将的精神”。

但更多的年轻牌手开始将Suphx的牌谱作为训练材料，试图理解AI的决策逻辑，并将其融入自己的打法。在这个过程中，麻将的技艺传承正在发生微妙的变化：从“师傅教徒弟”的默会传统，转向“人向机器学”的新型知识传递模式。这种转变的深层含义，超越了技术本身。它意味着，牌类游戏最核心的“隐藏信息”属性，在AI的冲击下，其意义发生了根本性的位移。在AI出现之前，隐藏信息意味着人类需要在不确定中做出判断，而这种判断的能力——读人、直觉、牌感——被视为人类智能的独特优势。AI的胜利证明，隐藏在牌背后的信息，虽然不能被直接观测，但可以通过数学方法被有效管理。Pluribus和Suphx没有“猜”对手的牌，它们构建了一个在任何信息状态下都能稳健运行的策略系统。这个系统不需要读人，不需要直觉，不需要牌感，需要的是数十亿次自我博弈积累的后悔值最小化参数。

当这个事实被广泛接受之后，一个哲学空位出现了：如果隐藏信息的最优处理方式不需要人类特有的认知能力，那么人类在牌桌上还剩下什么？这个空位，在扑克圈和麻将圈得到了不同的填充。扑克圈的回答是：剩下的是人类在AI辅助下做出更高层次策略选择的能力。麻将圈的回答则更为暧昧：剩下的是人类在牌桌上体验到的情绪、社交、以及超越数学最优解的文化意义。深夜，拉斯维加斯某间酒店的房间里，一位职业牌手关闭了Pluribus分析软件的界面。屏幕上最后显示的是一手牌的分析结果：红色的“后悔值”曲线在某个决策节点上出现了一个尖锐的峰值，那是他在翻牌圈犯下的错误——他本应该弃牌，但他选择了跟注。AI的计算显示，这个决策在长期会让他损失零点八个大盲注。他盯着那个数字看了很久，然后合上了笔记本电脑。屏幕暗下去的瞬间，黑色面板上映出了他自己的脸。那张脸上没有表情，但他的手在微微颤抖。不是因为输了钱——那手牌他最终运气好，赢了一个大底池——而是因为他意识到，自己打了十五年职业扑克，在这个瞬间之前，他从未真正理解过这手牌。