选择当地主来玩玩看，可以打开显示AI手牌功能，更容易观察AI决策过程。另外可以设置AI考虑时间，默认是3秒。

有时可以看到AI并不是简单的选择当前胜率最高的打法，而是有更全局的考虑。

斗地主对AI来说，很难

从博弈论的角度看，斗地主是“不完全信息博弈”。

围棋是所有棋子都摆在棋盘上，对弈双方都能看到的完全信息博弈。

而斗地主每个玩家都看不到其他人的手牌，对于AI来说更有挑战性。

在棋牌类游戏中，虽然斗地主的信息集的大小和数量不如麻将，但行动空间有10^4，与德州扑克相当，而大多数强化学习模型只能处理很小的行动空间。

斗地主的所有牌型总共有27472种可能。

像下图的手牌就有391种打法。

且斗地主的行动不容易被抽象化，使搜索的计算成本很高，像Deep Q-Learning和A3C等强化学习模型都只有不到20%的胜率。

另外作为不对称游戏，几个农民要在沟通手段有限的情况下合作并与地主对抗。

像扑克游戏中最流行的“反事实后悔最小化”(Counterfactual Regret Minimization)算法，就不擅长对这种竞争和合作建模。

全局、农民和地主网络并行学习

首先将手牌状态编码成4x15的独热(one-hot)矩阵，也就是15种牌每种最多能拿到4张。

DouZero是在Deep Q-Learning的基础上进行改进。

使用LSTM(长短期记忆神经网络)编码历史出牌，独热矩阵编码预测的牌局和当前手牌，最终用6层，隐藏层维度为512的MLP(多层感知机)算出Q值，得出打法。

除了“学习者”全局网络以外，还用3个“角色”网络分别作为地主、地主的上家和下家进行并行学习。全局和本地网络之间通过共享缓冲区定期通信。

DouZero在48个内核和4个1080Ti的一台服务器上训练10天击败了之前的冠军，成为最强斗地主AI。

下一步，加强AI间的协作

对于之后的工作，DouZero团队提出了几个方向：

一是尝试用ResNet等CNN网络来代替LSTM。

以及在强化学习中尝试Off-Policy学习，将目标策略和行为策略分开以提高训练效率。

最后还要明确的对农民间合作进行建模。好家伙，以后AI也会给队友倒卡布奇诺了。

这次开了魔神z的剧情，想必也是为了让剧情党体验更好，这样即使是新手进来，从魔神z剧情开始也能明白故事是什么。当然，魔神z是前面的联动了，剧情也比较单调，但是魔神凯撒就不一样了。剧情从单纯的老番开始涉及新的故事，从魔神凯撒第二章的剧情，神秘角色的登场，仿佛有张看不见的手在背后操控着一切。