"是时候让我加入了。" - 池田花菜
一个支持雀魂(CN、JP、EN)标准游戏中采用的四人日本立直麻将变体规则的麻将AI。
本仓库提供了雀魂游戏记录的标注工具,以及训练某些类型麻将AI模型的程序。但本仓库不提供任何雀魂游戏记录的爬虫、训练数据或已训练的模型。因此,用户需要自行准备训练数据和计算资源。
用户使用本仓库的第一步是收集雀魂的游戏记录。游戏记录的格式必须与点击"https://game.mahjongsoul.com/?paipu=YYMMDD-XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX"格式的URL时,从雀魂API服务器返回的WebSocket响应消息相同。可以通过使用mitmproxy或Wireshark等网络嗅探工具、浏览器扩展或其他工具捕获与雀魂API服务器交换的WebSocket消息来获取此格式的数据。再次强调,本仓库不包含此类工具。因此,请在GitHub等代码托管服务上寻找,或自行实现。
收集游戏记录后,下一步是使用annotate将游戏记录转换为适合学习的注释格式。
最后,通过以注释为输入运行kanachan Python模块下的训练程序,可以获得训练好的模型。
本项目的目标是创建一个四人日本立直麻将变体规则的麻将AI,能够击败现有的顶级麻将AI(包括NAGA和Suphx)甚至顶级职业选手。
这是我个人的项目,与当今一些由公司运营的顶级麻将AI项目形成对比。本项目还旨在向世界展示,个人项目也能构建顶级麻将AI。
目前,日本将棋AI已被认为远远超过顶级人类专业选手的水平。我认为,日本将棋领域出现这种情况的推动力是个人项目中各种将棋AI之间的激烈竞争。我希望本项目能成为在麻将AI领域引发类似情况的先驱。
本项目假设使用从雀魂爬取的牌谱数据集。这将成为一个极其庞大的数据集,在数量和生成速度上都与现有代表性数据集(即天凤的凤凰卓数据)有数量级的差异。
让我给你一些具体数字。从天凤的凤凰卓可以获得2009年到2019年11年间产生的1700万局牌谱。另一方面,我从2020年7月开始爬取雀魂的牌谱,截至2021年8月底,金间或更高级别房间的四人麻将牌谱数量已达到约6500万局。这个数字到2021年底肯定会超过1亿局。
数据量的巨大差异将允许我们使 用比现有麻将AI大几个数量级和/或表达能力更强的模型。例如,虽然NAGA和Suphx使用天凤数据集训练了ResNet,但本项目旨在利用海量数据来训练基于更具表达能力框架(如transformer)的大规模模型。
本项目中模型的输入(即特征)几乎没有基于人类麻将经验和直觉的处理。所有牌都表示为简单的标记,这些标记是对应嵌入的索引。表示一筒的标记与数字"1"没有直接关联,也不表示它是筒子牌之一。表示手牌中一筒的标记与表示河中一筒的标记没有直接关系。没有直接表示宝牌指示牌和宝牌关系的特征。没有表示某种牌对玩家可见数量的特征。虽然在雀魂标准规则中共有90种吃的组合,但每种吃只由90个完全独立的标记之一表示...等等。
游戏中某一时刻的情况表示非常简单。与游戏进行顺序无关的游戏情况方面,如场风、局数、宝牌、手牌等,表示为上述标记的集合。每个玩家的打牌和副露按照发生顺序表示为上述标记的序列。点数、立直棒数等具有数值意义的特征则用数字本身表示。
更具体地说,请参见"行为克隆的训练数据格式"。
一些读者可能会严重怀疑这种特征设计是否真的能进行适当的学习。不用担心。即使在学习的非常早期阶段,使用上述特征设计训练的模型的行为已经表明它已经掌握了麻将的基本概念。它似乎已经掌握了包括宝牌、赤牌、箭牌、圈风牌、门风牌、断幺九、为断幺九、三色同顺、一气通贯、混全带幺九和对对和等役而鸣牌、混一色和清一色的价值、形式听牌、弃和、现物(立直后打出的牌对该立直绝对安全的概念)、筋(例如,如果立直后打出5s,则2s和8s对该立直相对安全的概念)、流局满贯等概念。
然而,不言而喻,这种端到端的特征 设计需要大型数据集和具有高表达能力的模型才能正常运作。在机器学习中,是利用人类智慧设计适当的特征,还是准备大型数据集和具有高表达能力的模型并将其留给大规模计算资源,这是一个基本的权衡。本项目选择后者,因为深度学习成功的本质在于摆脱特征工程,而且我从2000年代初就开始从事机器学习,并在那些日子里为特征工程而挣扎。
麻将AI有各种目标,包括模仿人类行为、最大化单局分数差、提高最终排名以及最大化段位分差。这些目标按顺序变得越来越抽象和全面,因此越往后学习就越困难。
本项目的理念是逐步学习从动作选择到这些目标的映射,从最简单到最难。这相当于课程学习。此外,当学习了一个目标的映射后,开始学习更难的目标时,前一步训练的模型的编码器部分会在后一个映射的训练中被重用,只有模型的解码器部分会被替换以适应新的更难目标。前一步学到的信息存储在编码器部分,并转移到后一步。通过这种方式,目的是在编码器部分保留独立于目标的普遍麻将知识。在本项目中,这一理念被称为课程微调。
使各种先决条件包和工具可供其他组件使用。该组件已构建并作为公共Docker镜像提供,并被其他组件隐式使用。因此,非开发人员无需构建或直接使用此组件。
一个C++程序,从雀魂的游戏记录中提取几乎所有的决策点, 并将每个决策点的游戏情况连同玩家的动作和单局/整局最终结果转换为适合学习的标注。
一个C++程序,生成用于计算向听数的基于LOUDS的TRIE数据结构。
一个C++库,实现了完美模仿雀魂标准游戏规则的麻将模拟器,包括许多未明确说明的规则边界情况。该库的功能也可以通过kanachan.simulation.simulate
Python函数访问。
一个C++程序,从雀魂的游戏记录中还原整个牌山。注意,该程序还原的牌山仅可用于测试目的(作为test/annotation_vs_simulation的输入),不得用于任何其他目的。
一个称为标注vs模拟的测试框架,用于检查标注实现和模拟实现之间是否存在任何差异。
使用PyTorch实现的学习程序和预测模块。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号