原文发表于https://note.com/sub010/n/n2faa5ed28cc5，仅作转载翻译，侵删。

最近，使用以mortal和naga为首的麻雀AI来检讨牌谱的行为逐渐成为了主流。

这篇文章并不是想批判使用AI检讨这件事情。

我自己也是AI的忠实使用者，几乎每个半庄都会使用AI分析。mortal大约分析了700半庄，NAGA约300个。

我在初学麻将两年之后便取得了魂天的段位，而AI对我麻将学习的帮助和实力的提升相当重要。我会向所有想要变强的人推荐使用AI复盘学习。

那么，这篇文章想要表达什么呢？

在使用AI时应该保持着良好的距离感。

完全不信赖AI，认为“AI没有用”、和完全相信AI，认为“AI正确每一打”这两种极端的思想都会成为对于自我提升的阻碍。

喜欢两极分化地思考是人类的天性，但在实践中，往往答案都会处于中间的某个点。

我个人认为，“AI是相当有用的”这种70-90%的信赖度是比较合适的距离。

那么和完全相信AI之间的那几十个百分点到底差在哪里呢？这正是本篇文章想要讨论的主题。

1. 不从结果中分析出原因的话就没有意义

如果无法理解AI为什么在某一个场况下做出了某一个选择，你就无法学到能够应用于其他类似场景下的知识。AI是一本不好用的、跳过了过程只提供了结果的参考书。你必须具备能够自我分析出合理的理由和因素的能力。

比如下面这个例子：

不成熟的分析会像是：

“三枚愚型应该默听！以后遇到这种牌我通通默听”

然而，这样的结论在不同的场景下显然会是错误的。

能够提取出合理的原因的人却能够看到：

• 在南场微差领先时想要降低风险

• 12巡自己的和了率较低，其他家追立或对攻的概率较高

• 待牌是两副露亲家的现物，看起来可能能偷到

• 下家手切9s的时机看起来手中至少持有一张8s

等能够一定程度上支持默听这个选择的理由。

很容易想象，能够提取出更好的因素的选手，在未来的对局中成功应用这次学到的东西的机会就会更高。

尽管是检讨了同一个局面，不同的人学到的知识量却相差甚远。

当然，哪怕在这方面比较强的选手也不能够有效处理所有的场合。

麻将是一个局面千变万化的游戏，你时不时地就会碰到看起来非常类似的场景中AI给出的答案截然不同。

例如，“同样的场况如果是第5巡，就会变成铁立，所以这里巡目对判断的影响是很大的”

AI并不能帮助你提高提取要素的能力，但是它可以帮助你更好地平衡各种要素之间的权重。不如说，前者是有效使用AI的前提条件，而后者才是AI学习真正的价值所在。

那么，如何获得这种“前提条件”呢？我个人的推荐是

• 观看强者录像中有详细解说的部分（例如渋川式麻雀通信、Chigo Ch.稚児、ないおトン、千羽黒乃、鴨神にゅう等）

• 学习何切题下面强者给出的解答里的思路

• 向强者询问不懂的问题，但是询问前要先自己充分地思考

• 读战术书

我认为将这些学习手段和AI复盘并行使用能显著地提高进步的速度。

2. 重视A级失误

想要提升麻雀水平，重中之重是降低A级失误的出现频率。

我个人对这种失误的定义是

• 显著影响了最终顺位

• 想要达到的目标段位（例如雀圣、凤凰）同级者大部分人不会打错

但是AI并不会告诉我哪些不同的地方是A级失误。

有人可能会说，“AI不是会告诉你选择之间的条/权重差多少嘛？而且NAGA已经有恶手率判断功能了“。

这些指标并不是衡量严重失误的有效手段。

我们以NAGA的恶手率指标为例。你知道NAGA是如何判断的恶手与否的吗？

答案是“NAGA推荐度低于5%的一打“。

NAGA的恶手判断只取决于当时几个选择之间的区别，而并不在乎这个失误对于场况或局收支上的影响有多大。也就是说，它的恶手会包括一些A级失误，但也会有完全无关紧要的E级错误。

极端地说，A是1000局收支和1局收支之间的二择失误，而B是100局收支和1局收支之间的二择失误。A导致你损失了990点，而B只损失了99点。局收支上的损失差距有10倍之多，但在NAGA看来，两个都同样地算一次恶手。

例如，早巡幺九牌的手顺、全不靠根本看不到和牌路线的起手、离二位差距很远的大top策略等等。尽管对于局收支或是pt收支几乎没有任何影响，但在当前的NAGA版本中的恶手判断却一视同仁。

这个真的算恶手吗？

综上所述，并不必对于恶手率的数字过于敏感。不过，恶手率可以帮助你找到A级失误。

它可以向你指出一些在你单人复盘中可能忽略了的鸡打。

对于NAGA指出的恶手，自己要再次过滤，判断一下这些恶手的重量级程度。

我个人认为，与其关注NAGA的条有多长，不如分析一下这一打在对全局的影响有多大。

3. AI不惧怕面对困难的处境

AI选择的前提是对后续的每一打都能打对有绝对的自信。

众所周知，人类不是这种不会犯错的生物。

如果盲目服从于AI的打法，你会经常发现自己处于容易犯错的困难的处境当中。

可能的原因包括

• 牌很差也经常秒碰役牌

• 中等打点的手牌选择默听

• 切光字牌去做立直nomi

• 留下很多中张做迂回

而这样的手顺很容易导致需要

• 短时间内对中张牌危险度进行判断

• 微妙的手牌上的攻守判断

之类人类会出现相当失误率的状况。

也就是说，取决于不同的人，AI的最优一打未必是最适合人类的一打。

有的时候，稍微绕一点远路来安全地过河要比直接冲上独木桥更有利。

在不会损失太多局收支的前提下，可以考虑选择一个能够不容易出现失误的路线。

实践中也有很多非常强的玩家会使用这种尽量避免困难抉择的风格。

当然，挑战一下AI喜欢的危机四伏的道路也不坏。不断地面临困难的二择对于提升面对这种局面下计算的速度和精度很有帮助。

了解了AI的特性之后，再根据自己选择最适宜的平衡风格吧。

4. AI本来就不是正确每一打

麻将AI的精度在越变越强，但是还没到每一个选择都是正确的程度。

尤其是在例如

• 开杠判断

• 飞人条件

• 操作型副露

• 读牌

等方面上依然有明显的弱点。

我个人是mortal和NAGA都用的，而这两个AI之间的判断差异数不胜数。

自然也不用说AI和一些公认很强的pro或业余选手之间的区别了。

比较好的想法应该是认为“AI是强者之一”。

5. 不要太信任NAGA度（译注：自然包括mortal评分）

上文中已经包括了一些佐证的内容，这里再提三点关于NAGA度的问题。

5-1. 每个半庄之间的难度本就不同

我认为不同的麻将半庄之间的难度差异，可以有小学入学考试到高考，甚至到人类未解之谜的差距这么大。

也就是说，NAGA度的高低其实也是要看运气的。

一个半庄的NAGA度的参考价值并没有那么高。（当然，自然还是比半庄本身的顺位更高）

而使用长期数据比较的话，我认为NAGA度的收敛速度要比实际结果快很多，也就是说在短时间内，NAGA度比安定段位更能够反应选手的实力。

5-2. 无关紧要的手顺能带来很大的提升

单纯是知道NAGA对于幺九字牌的早巡手顺基准，我印象里就足以提升1-2的NAGA度。

考虑到完全没有接触过NAGA的人可能偏差很大，或许可以认为经常使用NAGA的人的得分会虚高1-2点。

5-3. 立直和副露判断并不在采集范围内

立直判断和副露判断对和牌或放铳的影响相当大，往往能直接影响对局的走向。

经常会出现做出正确的立直或副露判断便能够避免放铳的情况。

往往也会隐藏着一些我们容易忽略的A级失误。