从算牌到算人

把时间拨回2019年7月，当Pluribus在十二天里与十二名人类顶尖牌手打完一万手牌之后，研究团队开始拆解它的决策数据。他们发现了一些无法用传统扑克理论解释的模式。Pluribus在某些局面下会做出看似“激进得过分”的下注——不是因为它持有强牌，而是因为对手刚刚输掉了三个大底池。在另一些局面下，它面对同一位对手的加注时选择了退让，而按照纳什均衡策略，这本该是一个必须防守的频率。研究人员反复检查代码，没有发现错误。最后他们意识到：Pluribus没有学会“恐惧”或“自负”是什么，但它学会了识别人类在连续受挫之后会变得过于保守。它不需要理解这种心理状态的名称，只需要知道——当一个人类玩家在短时间内损失了大量筹码之后，他面对下一次大额下注的弃牌概率会显著上升。这个发现不是在哲学层面成立的，而是在数学层面成立的：Pluribus通过海量自我博弈和与人类对局的数据，从对手的行动频率中提取出了一个可预测、可利用的模式。

它并没有“读人”，但它反向证明了：人的情绪波动会在牌桌上留下可被量化的痕迹。在世界的另一张牌桌上，一场完全不同的实验正在推进。微软亚洲研究院开发的麻将AI“Suphx”在2019年8月登上了日本在线麻将平台“天凤”的十段位。天凤的段位系统极其严苛，十段是绝大多数人类职业选手终其一生都无法触及的高度。Suphx做到了。但它的策略呈现出与Pluribus截然不同的气质。Pluribus的打法常常让人类牌手感到“诡异”——它会在理论上不该下注的时候下注，在该下注的时候过牌，因为它在剥削的不是牌理，而是人性。Suphx的打法则被日本麻将界的老手评价为“极度扎实”——它几乎从不做出人意料的选择，它的优势建立在对手牌形态期望值的精确计算之上，建立在十四张牌向听数的每一丝概率优化之上。它不试图猜测某位对手在“埋伏”什么役种，因为从数学上讲，通过别人的舍牌去推断其完整手牌的准确率，远不如专注计算自己手牌的进张效率来得可靠。

换言之，Suphx用数学证明了一件事：麻将中传统的“读人”技艺——通过观察对手打出的每一张牌来推断其意图——在纯粹追求胜率的意义上，是一种噪音过多的低效推理。这两个实验，相隔仅一个月，各自在扑克和麻将领域完成了对人类的超越。但它们指向的方向恰好相反。Pluribus证明，读人这件事在扑克中是真实存在且可被量化的赢利点——尽管证明者本身并不“理解”人。Suphx则证明，在麻将中，机器不需要读人就可以达到超越所有人类直觉的高度。两件事放在一起看，构成了一个更为深刻的命题：AI攻克的从来不是牌本身，而是那个理想中“如果信息完全对称”的数学游戏。而人们百年来热爱的打牌，从来就不只是一个数学游戏。要理解这个命题，需要回到一个更基础的层面：当人们说“算牌”和“算人”的时候，究竟在说什么。在扑克的世界里，“算牌”这个词有一个精确的技术含义。它指的是根据已知的公共信息和对手的行动序列，计算出自己手牌在当前局面下的胜率，以及不同下注尺度的期望值。

在二十世纪的大部分时间里，这被认为是区分好牌手和伟大牌手的关键能力。道尔·布朗森在《超级系统》中写下的那些经典牌例，本质上都是算牌的故事：他知道自己的牌力，推算出对手可能的范围，然后做出数学上正确的决策。但布朗森同时也在写另一件事——他写自己如何观察对手推筹码时手指的颤抖，如何注意对手在拿到强牌时突然变得沉默，如何利用一个刚刚输了钱的人急于翻本的心理。在那个时代，算牌和算人是融为一体的技艺，没有人觉得需要把它们分开。改变发生在二十一世纪的第一个十年。线上扑克的爆炸式增长催生了一个全新的训练工业。2004年到2011年间，数以百万计的手牌记录被存入数据库，牌手们开始使用PokerTracker和Hold‘em Manager这样的软件来分析自己的每一次决策。这些工具可以精确地告诉一个牌手：当你在按钮位用同花连张加注时，长期期望值是正还是负；当你在河牌面对一个底池大小的下注时，你的跟注频率是否偏离了最优值。

扑克从一门依赖直觉和经验的技艺，变成了一门可以被拆解、量化、反复验证的分析学科。这个过程同时制造了一个副产品：算牌和算人开始分离。线上牌手坐在屏幕后面，看不到对手的脸，听不到对手的声音，他们只能依靠数据——下注尺度、时间间隔、位置频率——来做判断。于是“算人”变成了另一种形式的“算牌”：不是通过微表情和肢体语言，而是通过统计偏差。一个在河牌圈下注频率偏高的对手，就是一个可以被剥削的对象，至于这个人在现实中是紧张还是傲慢，根本不重要。这套方法论在2010年代达到了顶峰。新一代的线上牌手——他们大多二十岁出头，从未在实体赌场打过一手牌——用数据库和求解器武装自己，把扑克变成了一项近乎科学的活动。他们谈论的是“范围构建”“频率平衡”“最小防守频率”，而不是“勇气”“直觉”“阅读灵魂”。

2015年，一个名叫“雪人”（Snowman）的线上牌手在接受扑克新闻采访时说过一句话，后来被反复引用：“我不需要知道对手在想什么，我只需要知道他在百分之六十八的类似局面下会做什么。”这句话精准地概括了那个时代的信条：人的行为可以被还原为数据模式，而数据模式可以被精确地剥削。但问题也恰恰出在这里。如果每一个人都在使用同一套方法论——如果每一个人都在用求解器训练、用数据库分析、用GTO策略校准自己的频率——那么最终会发生什么？答案是：策略趋同。这是一个可以从理论上推导出来的结果。GTO策略的全称是“博弈论最优策略”（Game Theory Optimal Strategy），它的核心思想是：在任何对称信息局面下，存在一种策略，使得无论对手如何调整，你都不会被剥削。这个策略不追求最大化盈利——追求最大化盈利的是“剥削性策略”，它针对特定对手的弱点进行调整，但同时也暴露了自己的弱点。GTO策略追求的是无懈可击。

当足够多的顶级牌手都趋近于GTO策略时，他们之间的对决就变成了一个奇特的景象：双方都在执行近乎完美的频率，下注尺度和弃牌率都落在数学上正确的区间内，没有人犯明显的错误，没有人可以被轻易剥削。在这种情况下，胜负由什么决定？由谁先偏离均衡。这是一个极其微妙的转折。在双方策略基线趋同的前提下，任何一方想要获胜，就必须在某些时刻故意偏离GTO策略——不是为了犯错误，而是为了制造信息不对称。你要在某个特定局面下做出一个“不合乎数学”的动作，让对手无法判断你这个动作背后的含义：你是犯了一个错误，还是你捕捉到了他某个细微的模式？如果他无法确定，他就被迫回到猜测的状态。而一旦进入猜测，人的因素就重新进入了牌局。这就是为什么在2018年之后，顶级真人扑克赛事中出现了一个显著的趋势：那些最成功的牌手，往往不是那些对求解器研究最深的人，而是那些最擅长在现场捕捉对手“偏离均衡瞬间”的人。

他们的技术基础仍然建立在AI训练之上——没有人能在不使用求解器的情况下达到现代扑克的竞技水准——但他们的胜负手已经不在这里。胜负手在于：当两个人都拿着同样从AI那里学来的策略坐在同一张牌桌上的时候，谁能更快地察觉到对方在某一手牌中流露出的犹豫、疲惫、过度自信或恐惧。2022年WSOP主赛事决赛桌上有一手牌，后来被广泛讨论。两位选手在河牌圈形成了一个巨大的底池。从纯数学角度看，这是一个标准的GTO跟注局面：跟注的期望值和弃牌的期望值几乎相等，任何一个训练有素的牌手都会在这个位置随机化自己的决策，以保持频率的不可预测性。但那位最终做出跟注决定的牌手，在赛后复盘时说了一句话：“我注意到他在翻牌圈思考的时间比平时长了大约两秒。在那个特定的牌面结构下，这个延迟没有数学上的理由。所以我判断他可能在平衡自己的范围，而不是真的在做一个艰难的决定。这意味着他的牌力没有他试图表现的那么强。”两秒钟的延迟，一个无法被任何数据库记录、无法被任何求解器分析的细节，决定了数百万美元的归属。这不是一个孤立的案例。在AI时代，顶级扑克竞技正在不可逆转地从“谁更懂数学”转向“谁更懂人”——但这里的“懂人”已经不是二十世纪那种直觉式的读人，而是一种新的能力：在双方都掌握了数学最优策略的前提下，识别出对方作为人类所必然携带的那些微小偏差。AI不需要这种能力，因为它自己不会产生偏差；但人类需要，因为人类的对手永远是人类。这构成了一个令人玩味的悖论。Pluribus通过证明人类行为可以被量化剥削，反而抬高了真人扑克对决的门槛——不是抬高了数学的门槛，那个门槛已经被求解器抹平了；而是抬高了“算人”的门槛。在AI出现之前，一个擅长读人的牌手可以在不懂复杂数学的情况下战胜一个只懂数学的牌手。在AI出现之后，这个可能性几乎消失了：只懂读人而不懂数学的人，会被任何一个受过基本GTO训练的牌手碾压。

但只懂数学而不懂读人的人，也永远无法在最高级别的真人对抗中胜出，因为他的每一个动作都落在对手的预期范围之内。AI消灭了“纯粹依靠直觉”的扑克，但也消灭了“纯粹依靠计算”的扑克。它把竞技的重心推到了一个更窄、更高的位置：你必须同时掌握两者，然后在对决的现场，用你作为人类的感知能力去捕捉那些机器无法捕捉的东西。麻将的情况则完全不同。Suphx的成功证明了一件事：在麻将中，纯粹依靠计算就可以达到超越人类的水平。这并不是说麻将比扑克简单——从信息复杂度的角度看，麻将的隐藏信息量远远大于扑克。一副麻将牌有一百四十四张，玩家只能看到自己的十三张和已经打出的牌，其余近百张牌的位置完全未知。而德州扑克只有五十二张牌，公共信息占到了相当大的比例。但恰恰是因为麻将的隐藏信息太多，试图通过观察对手的行为来推断其手牌的准确率变得极低。一个麻将高手可能通过对手打出的第一张牌判断出他在做“混一色”，但他几乎不可能精确判断出对手具体在等哪一张牌。

这种判断的误差范围太大，以至于在数学上，它带来的收益常常无法覆盖专注于此所付出的认知成本。Suphx的策略正是建立在这个认知之上。它不试图去“读”任何一个对手的手牌，它只做一件事：计算自己手牌的进张效率，计算每一种舍牌选择带来的听牌概率变化，然后在每一个决策点上选择期望值最高的动作。这种方法之所以有效，是因为麻将的胜负结构本身就更偏向于“管理自己的牌”而非“破解对手的牌”。在扑克中，你的每一个决策都直接与对手的决策互动——你的下注会迫使对手做出反应，对手的加注会改变你的期望值计算。但在麻将中，四个人各自摸打，虽然“吃碰杠”构成了交互，但核心的游戏进程仍然是以自我为中心的：你能否快速听牌、能否在听牌后胡牌，决定了你大部分的对局结果。Suphx正是抓住了这个结构特征，用极致的自我优化绕过了对他人意图的推测。但这也恰恰揭示了一个关键的事实：Suphx赢的不是麻将，而是麻将中那个可以被数学化的部分。

它证明了，如果麻将的目标仅仅是最大化胜率，那么“读人”确实是一种低效的策略。然而，人们在真实世界中打麻将的时候，目标从来就不只是最大化胜率。一个在成都茶馆里打麻将的人，他的愉悦感不仅来自胡牌，还来自猜中了老张在等五筒时的得意，来自看穿了老李想做大牌时故意放慢出牌速度的默契，来自在一局牌结束后复盘时那句“我就晓得你要那张”。麻将桌上的“读人”，准确率确实不高，但它构成了游戏社会魅力的核心。四个人围坐在一张桌子上，通过每一张打出的牌、每一个犹豫的瞬间、每一句不经意的闲话，彼此试探、猜测、误导、揭穿——这个过程本身就是打麻将的意义所在。如果四个人都像Suphx一样打牌——沉默、精确、从不试图猜测他人、从不流露任何可被解读的信息——那么麻将就变成了一场纯粹的数学竞赛。它仍然是公平的，仍然是复杂的，但它不再是人们想要的那种社交活动了。这里有一个更深层的结构差异值得展开。

扑克是一种“对抗性隐藏信息博弈”：你的利益与对手的利益直接冲突，你隐藏自己的信息是为了从对手那里赢得筹码，你破解对手的信息是为了保护自己的筹码不被赢走。在这种结构下，“读人”是一种武器——它服务于竞争，服务于剥削。麻将则是一种“半合作性隐藏信息博弈”：虽然最终只有一个赢家，但在游戏过程中，四个人共同维持着一局牌的节奏、氛围和社交张力。在这种结构下，“读人”更像是一种语言——它服务于连接，服务于共同体验。你猜中了老张的牌，不是为了赢他更多的钱（麻将的赌注通常是均等的），而是为了享受那种“我懂你”的默契。这个差异也解释了为什么扑克和麻将在AI时代走向了不同的方向。扑克中的“算人”被AI重新定义了：它从一种模糊的直觉变成了一种可以被量化的剥削工具，然后又被推高为一种在策略趋同之后唯一能分出胜负的竞技能力。

麻将中的“读人”则没有被AI重新定义，因为它根本不在AI的攻击范围之内——AI证明了它在胜率意义上不重要，但胜率意义从来就不是麻将的唯一意义。字牌的情况则构成了第三种变体。在中国南方数以千计的县城和乡镇里，字牌——跑胡子、川牌、六胡抢——至今仍然以近乎方言化的方式存活着。每一种字牌的规则都略有不同，同一个县的两个镇之间可能存在细节差异。这些游戏几乎从未被AI涉足过，不是因为它们在技术上更难攻克，而是因为它们根本不具备被攻克的条件：没有足够大的数据池，没有标准化的规则体系，没有足够多的对局记录可供训练。字牌的世界是一个前AI的世界，也是一个拒绝被AI化的世界。但字牌桌上的“算人”技艺，却可能是所有牌类游戏中最发达的。一副跑胡子有八十张牌，牌面上写着“上大人、丘乙己、化三千、七十士”这样的文字序列，不同的组合对应不同的番数。

由于规则极其复杂且各地不一，字牌玩家几乎不可能依靠任何外部工具来辅助决策——没有求解器，没有数据库，甚至没有一本全国通用的标准教材。所有的知识都储存在老玩家的脑子里，通过口传心授代代相传。在这样的环境下，一个优秀的字牌玩家必须同时做到三件事：精确记住已经打出的每一张牌，准确判断对手手中可能持有的组合，以及在适当的时机用适当的动作误导对手的判断。这三件事中，只有第一件可以算作“算牌”，后两件全都是“算人”。湖南益阳一位打了四十年跑胡子的老人曾这样描述他的经验：“你看一个人打牌，头三圈你就晓得他是什么性子。急性子的人手里有好牌就坐不住，慢性子的人不管什么牌都慢吞吞的。你摸清了他的性子，就晓得他什么时候在骗你，什么时候是真的。”这番话如果翻译成博弈论的语言，其实就是：通过观察对手的行为模式，建立一个关于其策略倾向的概率模型，并据此调整自己的最优应对。

但老人不需要知道博弈论，他只需要知道老李是个急性子、老王是个慢性子，然后在一局一局的牌局中积累起关于这两个人的无数微小记忆。这些记忆构成了他的“数据库”——一个只存在于他脑子里、永远无法被任何AI访问的数据库。这就是字牌世界最深的悖论：它是最难被AI攻克的牌类游戏，不是因为它比扑克或麻将更复杂，而是因为它太地方化、太个人化、太依赖那些无法被数据化的东西了。一个AI可以学会在所有标准化的跑胡子规则下打出最优策略，但它永远无法学会老李的急性子和老王的慢性子——因为这两样东西不存在于任何公开数据集中，它们只存在于那个老人四十年的记忆里。回到2024年，我们可以看到一幅完整的图景。AI对牌类游戏的攻克，并没有终结人在牌桌上的价值，而是完成了一次价值重估。它把“算牌”这件曾经被视为人类智慧巅峰的事情，变成了一个可以被机器无限逼近甚至超越的技术问题；

但它意外地照亮了“算人”这件事的不可替代性——不是因为它比算牌更高深，而是因为它触及了牌类游戏作为人类社交活动的本质。在扑克中，算人的价值被重新定义为：在策略基线趋同之后，识别对手作为人类所必然携带的那些微小偏差。这是一种高度竞技化的能力，它服务于胜负，服务于金钱，服务于排名的升降。在麻将中，算人的价值被保留为：在追求胜率的同时，维持游戏作为社交活动的温度和乐趣。这是一种去竞技化的能力，它服务于连接，服务于默契，服务于四个人围坐一桌时那种不可言传的氛围。在字牌中，算人的价值从未被质疑过，因为在这些方言化的牌桌上，算人从来就不只是一种辅助手段——它就是游戏本身。这三种形态共同指向了本书一直试图论证的那个核心命题：牌的本质是两件事——随机性与隐藏信息。随机性让弱者有机会战胜强者，让每一局牌都不可预测；隐藏信息则让牌桌变成了一个微型的社会剧场，每个人都在表演，每个人都在猜测，每个人都在用自己掌握的那一点有限信息做出判断。

AI可以模拟随机性——事实上，随机数生成器比任何人类洗牌都更接近真正的随机；AI也可以处理隐藏信息——Pluribus和Suphx已经证明了这一点。但AI无法替代的是：人类在隐藏信息面前所产生的那种独特的紧张感、期待感、被欺骗后的懊恼、猜中后的得意。这些情感不需要被数学化，也不应该被数学化。它们就是人们千百年来坐在牌桌前的理由。2022年秋天，拉斯维加斯的一家扑克室举办了一场特殊的比赛：人类牌手和AI组成搭档，共同对抗另一对人类与AI的组合。规则是每一手牌由人类做出最终决策，但AI会在每一个决策点提供建议——建议的内容包括最优下注尺度、推荐行动以及对手可能持有的范围分析。这场比赛的设计者希望探索一种新的人机协作模式：不是人类对抗机器，也不是机器取代人类，而是人类利用机器的计算能力来增强自己的判断，同时保留人类在关键时刻做出“非数学”决策的权利。比赛的结果并不重要。重要的是在赛后的访谈中，几乎所有参赛牌手都表达了相似的感受。

一位来自德国的职业牌手说：“AI让我看到了很多我永远不可能靠自己算出来的东西，但最终决定跟注还是弃牌的那一刻，我仍然要靠我自己。因为AI不知道我此刻的疲劳程度，不知道我对面那个人的眼神让我想起了某个以前交过手的对手，也不知道我在这一手牌里感受到的那种‘不对劲’。”另一位来自巴西的业余牌手则说得更直接：“AI告诉我应该弃牌，但我没有听它的。我赢了那一手。不是因为我比AI聪明，而是因为我知道那个对手在撒谎。”

这两个回答包含了AI时代人类牌手处境的全部复杂性。AI可以告诉你最优策略是什么，但它无法替你做决定；它可以量化对手的行为模式，但它无法替你感受那个模式背后的情绪；它可以计算出每一手牌的期望值，但它无法理解你为什么要在某个特定的夜晚、在某个特定的牌桌上、面对某个特定的对手时，选择相信自己的直觉而不是数学。这就是AI攻克不完全信息堡垒之后留下的真正遗产。它没有消灭人，它只是把人的位置逼到了一个更准确的地方：你不是最好的计算器，你永远也不会是；但你是唯一能够理解“对手在撒谎”意味着什么的那个存在。这种理解不需要精确，不需要可以被验证，甚至不需要是正确的——它只需要是人的。2024年初，一篇发表在《自然·人类行为》上的论文研究了Pluribus对局数据中的人类行为模式。研究者发现，当人类牌手被告知自己的对手是一个AI时，他们的行为会发生系统性的改变：他们变得更保守，更倾向于遵循标准策略，更不愿意做出冒险的诈唬。

但当他们被告知对手是人类时——即使实际上仍然是同一个AI在和他们打——他们的行为就会变得更加多样化，更多偏离标准策略，更多尝试通过非常规动作来“测试”对手的反应。论文的结论写得非常克制：“人类牌手在与人类对手对局时，会激活一套不同的决策模式，这套模式涉及对社会信号的感知、对他人心理状态的推测以及自我形象的维护。”翻译成大白话就是：当你知道对面坐着的是一个人时，你就会不由自主地开始“算人”——即使你面对的那个“人”其实只是一台机器。这个实验揭示了一个也许是最根本的事实：算人不是一种策略选择，而是一种本能。人类作为一种社会动物，在面对另一个人类——或者他们以为是人类的对手——时，会自动进入一种心智解读的模式。这种模式在漫长的进化史中形成，它比任何数学方法都更古老，比任何博弈论都更根深蒂固。人们打牌的时候，不仅仅是在打牌，他们是在进行一次微型的社交互动，一次关于信任、欺骗、猜测和理解的练习。

AI可以赢走所有的筹码，但它永远无法参与这场练习。因此，当我们回顾Pluribus陷落之夜和Suphx登顶之日时，或许应该换一种方式来理解那些时刻的意义。它们不是人类在牌桌上的失败，而是人类终于看清楚了一件事：他们热爱的从来就不是那个可以被数学化的游戏。他们热爱的是洗牌时纸牌碰撞的声响，是摸牌时指尖触到的纹理，是打出关键一张牌时对手眼中闪过的犹豫，是在所有计算都失效之后仍然敢于相信自己的判断的那种勇气。AI把数学的部分拿走了，留下了人的部分。而在留下的才是真正重要的部分。洗牌声再次响起。这一次，坐在牌桌上的人知道，他们手中的每一张牌背后都藏着一个已经被机器解开的秘密。但他们同时也知道，坐在对面的那个人心里想什么，仍然没有任何机器能够完全知晓。这个认知没有削弱他们的乐趣，反而让每一次跟注、每一次弃牌、每一次胡牌都带上了一层新的意味：他们在做一件机器永远无法替他们做的事情——他们在彼此阅读，彼此猜测，彼此表演。牌背后面藏着的不只是牌面，还有人心。这一点，从一千年前的叶子戏时代就是如此，在AI时代仍然如此，在未来也将继续如此。