《万智牌对决：起源》图文攻略，包括卡牌基础知识、组牌攻略、对战区域详解以及对战流程与技巧，很多没玩过万智牌的玩家希望看过此攻略有能够对游戏有所了解，毕竟看再多的理论只是也不如实践来得快，下面一起来看看万智牌对决起源的图文攻略吧。【转自万智牌对决吧 作者：殇落十八】

在万智牌游戏中，你属于多重宇宙的精英法师～鹏洛客之一员。你的套牌代表了你的武器，包括你所知晓的咒语和你能召唤出来为你作战的生物。此游戏需要两名或更多牌手一起玩，每人都要有一副自组的万智牌套牌。每位牌手一开始的生命值是20。当你用生物攻击、咒语扫荡，将对手的生命值降到0点时，你就赢了!

基础知识

万智牌的颜色

在万智牌中，总共有五种颜色，他们分别是：白(W)、蓝(U)、黑(B)、红(R)、绿(G)。每种颜色和其相邻的颜色互为友好色，不相邻的颜色互为敌对色。拥有一种以上颜色的牌属于“多色”，另外，还有其他的一些牌属于“无色”。(“无色”不属于任一颜色。)

在万智牌中，总共有五种颜色，他们分别是：白(W)、蓝(U)、黑(B)、红(R)、绿(G)。每种颜色和其相邻的颜色互为友好色，不相邻的颜色互为敌对色。拥有一种以上颜色的牌属于“多色”，另外，还有其他的一些牌属于“无色”。(“无色”不属于任一颜色。)

白色

在万智牌的世界中，白色是法制、秩序、正义、公平以及组织的象征。友好色为蓝、绿，敌对色为黑、红。白色的法术力蕴含在平原之中。白色主要的生物类别是人类、士兵、僧侣和天使。白色魔法能够点醒进攻生物，使其改过自新;也可为己方的生物提供强有力的保护，生物攻防能力仅次于绿色，魔法种类十分齐全，强化，回复，复活，去除，清场，没有明显弱点的颜色，唯一的弱点是手牌补充手段是所有颜色中最弱，另外大部分会改变对战规则的魔法都属于白色(如:每回合只能施放一个魔法;攻击时必须支付费用)。

代表物：结界、生物(正负面)、神器

表生物异能：先攻、系命、警戒

蓝色

由海岛提供的蓝色法术力流淌于诡计和狡诈之间，蓝色是知识、计谋、幻觉与操弄的颜色。友好色为白、黑，敌对色为红、绿。蓝色法术师们通常在做出一系列令人瞠目结舌的动作之前，深思熟虑着。蓝色拥有能对付其他任何颜色的反制咒语，还有能够调整手牌的力量。蓝色的主要生物类别是人鱼、法术师(法术师)、虚影、龙兽和史芬斯。自古到今证实，蓝色几乎不过问生命值、破坏，如同其他颜色几乎不过问反击、回手、抓滤牌、横重置控制。蓝色扭曲时间的能力、魔法控制力，让它的速度超过红色——多出来的时间、法术力(mana)，永远是多出来的快。而神器的代表色也早已是蓝色，这使得这个破坏力最低的颜色拥有最大的援助，以及压迫性。

“深蓝”一出即显示：纯蓝色可以把无色当法术力源，可以跳过法术力限制用手牌控场，更可以用抓滤牌当凶器，直接让对手投降。

代表物：神器、地牌、瞬间、法术

代表生物异能：飞行

黑色

的沼泽涌动着黑色的魔法。黑色，是死亡、疾病、自私、贪婪及不计后果的力量的象征。友好色为蓝、红，敌对色为白、绿。黑色魔法在得到强大的威力的同时，往往得付出代价。黑色法术师们长于破坏对手的心智，以及将己方死去的生物起死回生。黑色主要的生物类别为灵俑(僵尸)、骷髅妖、吸血鬼和恶魔。黑色是在蓝色之后更万能的颜色，而跟蓝色比起来只差在性能的专精度...因为他近乎万能。

这个对所有事物都带负面的颜色可以破坏、弃牌、去除、扣血，但同时可以抓滤牌、找牌、加血、再利用、产生法术力。就如同与恶魔的交涉：只要付出代价，他可以完成你要的。

代表物：生物(负面)、法术

代表生物异能：恐惧(现在大多以威吓替代)、死触

红色

喷发的山脉中暗藏着红色的法术力。混乱、破坏、愤怒、狂热、由巨石和岩浆组成的风暴基本就是红色咒语的主题。友好色为绿、黑，敌对色为蓝、白，与蓝色的法术师截然不同的是，红色的法术师往往不会将事情考虑周全，而是做了再说。红色的法术师有大量能造成直接伤害的魔法，也有很多破坏神器的魔法，他们擅长破坏有实体的东西，但对于那些无形的东西则束手无策，因此他们没有对付结界的手段，在万智牌游戏中，用到比试运气，如抛硬币的卡牌往往是红色的。红色的主要生物类别有龙和精灵(地精)。

代表物：地牌(负面)、神器(正负面)、生物(负面)、法术

代表生物异能：敏捷

绿色

绿色法术力，表示着满溢在深邃树林间自然的脉动。绿色，是成长、生命及蛮力的颜色。友好色为白、红，敌对色为蓝、黑。绿色的生物往往蕴含着魔法的力量，在需要时能够加速事物的成长。绿色的法术在强化生物方面得心应手。绿色主要的生物类别有地精(精灵)、亚龙和多头龙。绿色的生物攻防能力是最高，基本上绿色的生物没有飞行能力，但部分生物会有延势(具有延势异能的生物可以阻挡具有飞行异能的生物)，绿色重视自然，因此绿色的魔法有着大量破坏非自然之物的生段，有很多结界和神器去除手段，缺乏生物去除生段，依尼翠环境后出现互斗异能(可以直接指定两只生物进行战斗)后，互斗异能成了绿色的魔法主要的生物去除生段。

代表物：地牌(正负面)、神器(负面)、生物

代表生物异能：践踏、延势

无色

神器和地并称作无色，而“无色”并非一种颜色。(近来也开始出现有颜色的神器，也有出现一些无色的非地非神器魔法。)

更多相关资讯请关注：万智牌对决：起源专题

AlphaGo是强在计算能力，他牛逼是有条件的，一是明牌，二是排除运气成分。围棋象棋都是这样，单纯的比拼计算能力，麻将不一样，有概率有运气

为什么Alpha Go不敢挑战麻将？

人类初衷研究人工智能是为了服务人类而不是惹怒人类的。阿尔法狗是围棋人工智能的程序，其难度太大，几乎无人能比，被称为异军突起的行业领袖。

2016年阿尔法狗由谷歌开发的，当时阿尔法狗的人工智能震惊世人，它雷霆之势击败世界排名第四的围棋手李世石，后来又在2017年碾压了世界排名第一的围棋棋手柯洁。阿尔法狗的胜利让世人第一次见识到了人工智能的凶猛。同时又掀起了全世界对于人工智能的抵制及担心，害怕电影里机器人人类的景象会在未来实现。

既然阿尔法狗把围棋高手打的一败涂地，令柯洁绝望，但为什么始终不敢挑战麻将?

这是因为阿尔法狗太牛逼哄哄了，它绝不是碰巧而是胆怯地故意回避。从规则上看,麻将与围棋不同,麻将是一个四人游戏，并不是阿尔法狗的人工智能弱与4人游戏，而是围棋属于小众高大上游戏。麻将大众游戏，它只搞围棋是有道理的，毕竟这些棋尚未得到广泛的社会共识,但是麻将不同,麻将是“国粹”,并且走出了中国,走向了世界。麻将到现在还有大部分群众认为，麻将是工具,是社会底层无学历人员爱好的低层次娱乐活动。一旦超过人类麻将游戏，可以说是天下无敌，贪婪的人类会利用高科技犯罪，给人类赖以生存的环境带来麻烦。

所谓的人工智能用英文缩写为AI，它是利用计算机技术扩展至人们生活、工作方方面面制造、应用等诸多的高新技术；它是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新的技术科学；它比人类更加智能，而体力活及危险性活都交给它们来完成。

因为麻将太低级太简单了，根本不值得花时间去研究。不要杠什么麻将有概率问题，围棋的所有可能下法是一个无法理解的天文数字，麻将有多少打法？根本不是一个级别的东西。

我就说一点，如果不赌钱，谁愿意打麻将，谁愿意去花功夫组织四个人？就是个简单到不能再简单，无聊透顶的东西。

这问题提的说明你是真不了解人工智能啊，和概率有关的一切游戏，在足够牌局的情况下，电脑可以玩得把人类渣都不剩。当然你要说一两局，那没什么意义，你上来运气好，天听地胡的，100个狗也不是你对手啊

这就是一种臆想，对于计算能力超强的阿尔法狗来说，麻将的计算根本就不算个事。唯一的问题，它没法像其他的棋类游戏一样保证每一把都赢你，因为要开盲盒嘛，有运气问题。但从量来说，只要是概率问题，它都会保证比你强大。

麻将对它来说太简单了，有个人工智能在天凤平台已经是毫无疑问的第一，打的立直麻将。麻将就算一时运气好，想一直赢下去，还是靠概率学计算，只要基数够大，运气面就会消减

微软团队很早就制作了麻将AI，并且效果很好。

麻将 AI 系统 Suphx 主要基于深度强化学习技术。尽管深度强化学习在一系列游戏 AI 中取得了巨大的成功，但想要将其直接应用在麻将 AI 上殊为不易，面临着若干挑战。

挑战一：麻将的计分规则通常都非常复杂，在如天凤平台等竞技麻将中，计分规则更加复杂。

首先，一轮麻将游戏通常有8局甚至更多，每一局结束后四位玩家都会有这一局的得分（可能为正，可能为负）。当一轮游戏的所有8局（或更多局）都结束后，四位玩家按照所有局的累计得分排名，计算这一轮游戏的点数奖励。在天凤平台上，排在一二名的玩家会得到一定数目的点数，排在第三位的玩家点数不变，排在第四位的玩家会被扣去一定数目的点数 。一位玩家的点数会随着他玩的游戏的增多而变化，当玩家的点数增加到一定程度时会被提高段位，而当玩家的点数扣到0时则会被降低一个段位。因此，为了提高段位，玩家需要尽量多的排在第一位或者第二位，尽量避免被排在第四位。

由于一轮游戏的最终点数是由多局的累计得分决定，所以高手可能会策略性地输掉一些局。例如，如果一位玩家已经在前面7局分领先，那么他可能会故意输掉第8局让排在第三或四位的玩家赢得此局，从而确保自己的总分排在第一，最终获得这一轮游戏的最大点数。也就是说，某一局的输赢并不能直接代表玩家打的好不好，所以我们并不能直接使用每局的得分来作为强化学习的奖励反馈信号。

其次，天凤平台上每一轮游戏的计分规则都需要根据赢家手里的牌型来计算得分，牌型有非常多的可能，例如清一色、混一色、门清等等，不同牌型的得分会相差很大。这样的计分规则比象棋、围棋等游戏要复杂得多。麻将高手需要谨慎选择牌型，以在胡牌的概率和胡牌的得分上进行平衡，从而取得第一、二位或者摆脱第四位。

挑战二：从博弈论的角度来看，麻将是多人非完美信息博弈。麻将一共有136张牌，每一位玩家只能看到很少的牌，包括自己的13张手牌和所有人打出来的牌，更多的牌是看不到，包括另外三位玩家的手牌以及墙牌。面对如此多的隐藏未知信息，麻将玩家很难仅根据自己的手牌做出一个很好的决策。

挑战三：麻将除了计分规则复杂之外，打法也比较复杂，需要考虑多种决策类型，例如，除了正常的摸牌、打牌之外，还要经常决定是否吃牌、碰牌、杠牌、立直以及是否胡牌。任意一位玩家的吃碰杠以及胡牌都会改变摸牌的顺序，因此我们很难为麻将构建一棵规则的博弈树（game tree）。即使我们去构建一棵博弈树，那么这棵博弈树也会非常庞大，并且有不计其数的分支，导致以前一些很好的方法，如蒙特卡洛树搜索（MCTS）、蒙特卡洛反事实遗憾最小化（MCCFR）算法等都无法直接被应用。

Suphx 的决策流程及模型架构

Suphx 的打牌策略包含5个需要训练的模型，以应对麻将复杂的决策类型——丢牌模型、立直模型、吃牌模型、碰牌模型以及杠牌模型。另外 Suphx 还有一个基于规则的赢牌模型决定在可以赢牌的时候要不要赢牌。

Suphx 的5个模型都基于深度残差卷积神经网络，它们的大体结构相似，主要不同在于输入的维度和输出的维度。其中丢牌模型输出有34个节点，代表丢34张牌中任何一张牌的概率，其他的4个模型输出层只有2个节点，代表是否立直、吃牌、碰牌、杠牌的概率。

这些模型的输入包含了两大类信息：

1. 当前可观测的信息，例如玩家自己的手牌、公开牌（包括丢出来的牌、碰的牌、明杠的牌），以及每个玩家的累计得分、座位、段位等等。

2. 对将来进行预测的信息，比如打某张牌还需要拿几张牌才能胡牌、能够赢多少分、胡牌概率有多大，等等。

需要指出的是，卷积神经网络 CNN 比较适合处理图像数据，但是麻将本身并不是天然的图像数据，因此我们需要对麻将的这些信息进行编码，使得 CNN 能够进行处理。展示了我们用一个4x34的矩阵来编码玩家的手牌。

实际上，在 Suphx 研发的初期，我们采用了决策树算法 LightGBM，其在监督学习模仿人类玩家的行为上表现的不错，但是不适合强化学习，因此后来我们转而使用 CNN。

Suphx 训练算法

Suphx 训练过程分为三个主要步骤：首先使用来自天凤平台的高手打牌记录，通过监督学习来训练这5个模型，然后使用自我博弈强化学习以及我们设计的两个技术解决麻将本身的独特性所带来的挑战，最后我们在实战时采用在线策略自适应算法来进一步提高 Suphx 的能力。

下面我们将重点介绍 Suphx 学习算法中的一些关键环节：

分布式强化学习

Suphx 的整个训练过程十分复杂，需要多 GPU 和多 CPU 协同，因此我们采用了分布式架构。架构包括一个参数服务器以及多个自我博弈节点，每个节点里包含了多个麻将的模拟器以及多个推理引擎来进行多个策略之间的博弈（即打麻将）。每个自我博弈节点定期将打牌的记录发送给参数服务器，参数服务器会利用这些打牌记录来训练提高当前策略。每过一段时间，自我博弈节点就会从参数服务器拿回最新的策略，用来进行下一阶段的自我博弈。

我们发现，强化学习训练对策略的熵很敏感。如果熵太小，强化学习训练收敛速度快，自我博弈并不能显著提高策略；如果熵太大，强化学习训练就会变得不稳定，训练过程中的策略变化会很剧烈。所以，我们对强化学习训练过程中的策略熵进行了正则化处理，要求熵既不能太大又不能太小。

全局奖励预测

如前文所述，麻将的计分规则很复杂——玩家每局有得分，一轮游戏根据多局累计分数的排名计算点数。然而，无论是每局得分还是一轮游戏的最终点数都不适合用来做强化学习训练的反馈信号。

由于一轮游戏中有多局，以一轮游戏结束的最终奖励点数作为反馈信号不能区分打得好的局和打得差的局。因此，我们需要对每局都单独提供强化学习的训练信号。

然而，即使每局分数都是单独计算的，也未必能反映出一局打的好坏，特别是对于顶级职业选手来说。例如，在一轮游戏的最后一两局中，累计得分排位第一的选手在累计分数领先较大的情况下，通常会变得比较保守，会有意识地让排位第三或第四的选手赢下这一局，不让排第二位的玩家赢，这样就可以稳稳地保住总排位第一。也就是说，某一局得分为负不一定意味着策略不好。

因此，为了给强化学习训练提供有效的信号，我们需要将最终的游戏奖励适当地归因到每一轮的游戏中。为此，我们引入了一个全局奖励预测器，它可以基于本局的信息和之前的所有局信息预测出最终的游戏奖励。在 Suphx 中，奖励预测器是一个递归神经网络 (GRU)。

该奖励预测器的训练数据来自于高手玩家在天凤平台的历史记录，而训练过程则是最小化预测值和最终游戏奖励之间的平方误差。预测器训练好后，对于自我博弈生成的游戏，我们用当前局预测的最终奖励和上一局预测的最终奖励之间的差值作为该局强化学习训练的反馈信号。

先知教练

麻将中存在着丰富的隐藏信息，如其他玩家的手牌、墙牌等，如果不能获得这些隐藏信息，那么就很难确保某个动作（例如丢三万）的好坏，这也是麻将之所以很难的一个根本原因。在这种情况下，虽然 Suphx 可以通过强化学习来提高策略，但学习速度会非常慢。

为了加快强化学习训练的速度，我们引入了一个“先知”，它可以看到所有的信息，包括(1)玩家自己的私有手牌，(2)所有玩家的公开牌，(3)其他公共信息， (4)其他三个玩家的私有手牌，(5)墙牌。只有(1)(2)和(3)是正常的玩家可以获得的，而(4)和(5)是只有“先知”才能获得的额外的 \"完美 \"信息。

有了这些“不公平”的完美信息，“先知”在经过强化学习训练后，很容易成为麻将超级高手，安定段位也很容易就可以超过20段。这里的挑战是，如何利用“先知”来引导和加速 AI 的训练。实验表明，简单的知识萃取（knowledge distillation）或者模仿学习（imitation learning）并不能很好地把“先知”的“超能力”转移到 AI 系统上——对于一个只能获取有限信息的正常 AI 来说，它很难模仿一个训练有素的“先知”的行为，因为“先知”的能力太强，远远超出了普通 AI 的能力。比如，“先知”看到了其他玩家的手牌，知道每个玩家胡什么牌，所以它可以打出绝对安全的牌，避免因为丢牌使得其他玩家胡牌，然而正常的 AI 并没有这些信息，它可能完全不能理解为什么“先知”会打这张牌，所以也不能学到这种行为。因此，我们需要一个更聪明的方法，用“先知”来引导正常 AI 的训练。

在 Suphx 中，我们的做法如下：

首先，通过强化学习训练“先知”，使用包括完美信息在内的所有特征来训练“先知”。在这一过程中需要控制“先知”的学习进度，不能让其过于强大。

然后，我们通过加 mask 逐渐丢掉完美特征，使“先知”最终过渡到正常 AI。

接着，我们继续训练正常 AI，并进行一定数量的迭代。持续训练的过程中采用了两个技巧：一，将学习率衰减到十分之一；二，我们采用了拒绝采样，即如果自我博弈生成的样本和当前模型的行为相差太大，我们便会抛弃这些样本。根据我们的实验，如果没有这些技巧，持续训练会不稳定，也不会带来进一步的改进。

参数化的蒙特卡洛策略自适应

对一个麻将高手来说，初始手牌不同时，他的策略也会有很大的不同。例如，如果初始手牌好，他会积极进攻，以获得更多的得分；如果初始手牌不好，他会倾向防守，放弃胡牌，以减少损失。这与此前的围棋 AI 和星际争霸等游戏 AI 有很大的不同。所以，如果我们能够在对战过程中对线下训练的策略进行调整，那么我们就可以得到更强的麻将 AI。

蒙特卡洛树搜索（MCTS）是围棋等游戏 AI 中一种成熟的技术，以提高对战时的胜率。然而遗憾的是，如前所述，麻将的摸牌、打牌顺序并不固定，很难建立一个规则的博弈树。因此，MCTS 不能直接应用于麻将 AI。在 Suphx 中，我们设计了一种新的方法，命名为参数蒙特卡洛策略自适应（pMCPA）。

当初始的手牌发到麻将 AI 手中时，我们会调整离线训练好的策略，使其更适应这个给定的初始手牌，具体过程为：

模拟：随机采样三个对手的手牌和墙牌，然后利用离线训练的策略将这一局模拟打完。总共做 K 次。

调整：利用这 K 次打牌的过程和得分进行梯度更新，微调策略。

打牌：使用微调后的策略与其他玩家进行对战。

我们的实验表明，相对麻将隐藏信息集的平均大小10的48+次方倍而言，模拟的次数 K 的数量不需要很大，pMCPA 也并不需要为这一局手牌收集所有可能后续状态的统计数据。由于 pMCPA 是一种参数化的方法，所以微调更新后的策略可以帮助我们将从有限的模拟中获得的知识推广泛化到未见过的状态。

在线实战

Suphx 已在天凤平台特上房和其他玩家对战了5000多场，达到了该房间目前的最高段位10段，其安定段位达到了8.7段，超过了平台上另外两个知名 AI 的水平以及顶级人类选手的平均水平。

下表展示了 Suphx 在这些对战中的一些统计数据，包括1/2/3/4位率、胡牌率以及点炮率。我们发现 Suphx 特别擅长防守，它的4位率和点炮率（deal-in rate）尤其低。

注：上表格中的 Bakuuchi 即东京大学/HEROZ 研发的麻将 AI “爆打”

Suphx 可以说是“另辟蹊径”， 具有鲜明的个人风格，创造了许多新的策略和打法，例如它特别擅长保留安全牌，倾向于胡混一色等等。展示了 Suphx 在天凤平台实战时保留安全牌的一个例子。当前时刻 Suphx（南家）需要丢牌，如果是一个人类玩家高手，在这种情况下会丢北风，但是 Suphx 这个时候会丢掉一张7条，这在人类玩家看起来会觉得很不寻常，因为7条是一张好牌，丢掉7条会使得胡牌的进度变慢。Suphx 之所以丢掉7条而留住北风，是因为北风是一张安全牌，这样在未来某一时刻，如果有人突然立直要胡牌了，Suphx 可以打出北风而不点炮，这样后面还有机会胡牌；如果它在前面已经把北风丢掉，那这个时候为了打出一张安全牌就不得不拆掉手里的好牌，从而大大降低了胡牌的可能。

许多观看 Suphx 比赛的玩家表示在观战过程中受到了启发，甚至有麻将爱好者将 Suphx 称作“麻将教科书”、“Suphx 老师”，通过学习 Suphx 的打法，帮助他们进一步提升和丰富自己的麻将技巧。“我已经看了 300 多场 Suphx 的比赛，我甚至不再观看人类玩家的比赛了。我从 Suphx 身上学到了很多新技术，它们对于我的三人麻将打法有着非常大的启发，”麻将选手太くないお在社交媒体上表示。前年 6 月太くないお成为世界上第 15 位三人麻将天凤位获得者，也是第一位在四人麻将和三人麻将中均取得天凤位的顶级玩家。

总结和展望

Suphx 可谓是迄今为止最强的麻将 AI 系统，也是天凤平台上首款超越大多数顶尖人类玩家的麻将 AI。我们相信，今天 Suphx 在天凤平台上取得的成绩只是一个开始，未来，我们将为 Suphx 引入更多更新的技术，继续推动麻将 AI 和不完美信息游戏研究的前沿。

同时，我们也期待游戏 AI 的研究可以推动人工智能技术的创新发展，让人工智能真正走进我们的生活，帮助人们解决更加错综复杂的现实挑战。很多现实世界中的问题如金融市场预测、物流优化等与麻将有着相同的特点，包括复杂操作/奖励规则、信息的不完全性等。

我们相信，我们在 Suphx 中为麻将 AI 设计的技术，包括全局奖励预测、先知引导和参数化策略自适应等技术，在现实世界的应用中将大有可为，我们也正在积极推动这些技术的外延及落地。

首先，围棋是计算量最大，最复杂的游戏，这个是无可争议的。

然后，我知道你想说什么。你想说，麻将我可以控制牌，我可以选择打什么不打什么……balabalabala……

那么我告诉你，你说的这套东西叫做不完全信息博弈。若论在这个领域里，麻将连弟弟都算不上，公认的大哥叫做：

德州扑克。

很多人坚持认为，棋牌类游戏之王就是德州扑克。如果说有世界赌王的话，那么他就应该是WSOP无限制德州扑克的世界冠军。周润发赌神的原型叫做陈强尼，美籍华裔，1988，1989年蝉联两届德州扑克世界冠军。

当李师师欧巴被阿尔法狗碾压性击败之后，可以说人类智慧的最后尊严，就只能落在无限制德州扑克身上了。毕竟，德州扑克每一手牌的策略总数，用字节来描述的话，将会超过宇宙的原子总数。人类饱含着欺诈行为的混合策略将好好教育AI如何做人！

在李师师欧巴兵败三年之后，也就是2019年7月，AI Pluribus（Facebook 与卡麦基梅隆大学联合开发）在无限制德州扑克游戏中碾压性击败5位世界冠军级牌手。相关论文发表在当年的science。至此宣告，在所有的智力游戏中，人类全部失败。是的，是所有。

值得一提的是，阿尔法狗击败李师师欧巴，用了1920块CPU，280块GPU。

而AI Pluribus，只用了2块CPU。

世界上最难计算的是什么？是人性。

超级计算机可以和真人对阵象棋、围棋，因为它们都是两两对阵。计算机可以计算若干个可能性，然后选取最佳方案。

麻将是四人对阵。

如果象那种电脑小游戏的四人麻将的形式，三个电脑模拟操作，一个真人操作，人赢的概率会很小。那其实不是人机对战了，基本就是机机对战，人就是个搭牌的。注意，不要让麻将小游戏给蒙蔽了，认为计算机不如人。游戏是故意让你赢的。电脑游戏式的麻将毕竟是游戏，不设计些让人赢的方案，谁还玩儿得下去？而且，这种游戏程序设计不能和阿尔法狗一样的超级计算机相比。

如果四人中有两个或三个真人参加，基本是计算机输。计算机再超级，也计算不出其中一个人是不是故意给另一个人上牌，甚至点炮。

麻将有偶然性，阿尔法狗打麻将也不能做到百分百必胜，但是大多数局面下能赢是肯定的。

不过谷歌研究ai不是为了下棋的，是为了测试新技术，如果阿尔法狗跟世界麻将冠军打上八圈，最终胜多负少还是绝对肯定的。

作者 插画大师东云

《万智牌》的出现让更多的桌游玩家记住了理查德.加菲尔德的名字，进而接触到了更多由他所设计的桌面游戏。虽然你可能有自己的偏爱和口味，但《万智牌》这座桌面游戏界永远的丰碑，一直矗立在那里，无法被忘记，今天就让我们来深入了解一下，《万智牌》与桌面游戏的不解之缘。

25年前，在西雅图的一个车库里，一位波音员工和一位数学家意欲创造出一款前无古人的卡牌游戏。但此时他们还不知道，万智牌将会永远影响游戏世界……

从5号国道驶入405号国道，路过办公园区的玻璃幕墙和停车场，阳光穿过树杈，斑驳地洒在地上。再往前走是一家国际转运公司和医疗器械生产商。 最后，车停在了一座独特的办公楼面前。

四层楼，蓝色的玻璃幕墙，瓷砖地面的大厅里摆放着一些盆栽，看起来与其他的公司并没有什么不同。不过引人注目的是，在右后方的角落里摆放着许多办公桌和电脑，它们上面并没有贴着“低价处理”之类促销标语，而是写着一些“多明纳里亚”等意义不明的词。在后面，有一个面容可憎的法师挥舞着书，向等待电梯的来客们招手。一位身披铠甲的战士雕像正在保护着这片区域，防止在会议室旁觊觎着来访者们的八足巨龙伤害到他们。中间的架子上摆满了一盒盒的卡片。欢迎来到威世智——万智牌之家。

您听说过万智牌吗？即使未曾亲身尝试过，但这个名字似乎有些熟悉。没错，在沃尔玛里或是漫展上，你可能见过这些各种颜色的小卡片。很多人可能会以为，这些卡片游戏是给不太擅长社交的死宅或者是极客准备的。虽然我们无法否认这点——玩我们游戏的人群里确实是宅男占了大多数。但你也可能会在无意中走进一家小酒吧的万智牌之夜。而且，信不信由你，你玩过的很多游戏，都或多或少地受到过万智牌的影响。

自从1993年发售以来，世界上第一个集换式卡牌游戏——万智牌在电子游戏的大潮之下依然保有着可观的年销售额和难以撼动的人气。将传统卡牌游戏、战略游戏和奇幻角色扮演游戏糅合在一起，MTG为整个卡牌游戏业的规则制定和系统设计打下了基石。它有着自己独特的微观经济，有些知名的稀有卡牌甚至可以卖到两万美元的天价。

没错，说的就是你

那些正投身于这个游戏中，曾在拉尼卡、赞迪卡等时空浴血奋战过的人们，对上文应该熟知于心。但是，你们对万智牌的历史了解吗？

两个男人改写游戏世界的故事，在90年代初拉开帷幕。

阿基森出生在一个部长的家庭。拜那个爱换教会的爹所赐，在整个60和70年代里，他都作为家里的独子在美国西海岸搬来搬去。

但如果被问到是哪里人，阿基森会不假思索地回答：“我是个爱达荷州的农民。”每年夏天，全家人都会去那里的爷爷家玩。在这里，阿基森帮助家里种植小麦、大麦、豌豆，还会帮忙照料三十多头牛和几匹马。而到了夜里，全家人就会聚集在饭桌前，一起玩桌面游戏。

在起初，阿基森只玩一些规则简单的游戏，比如和妈妈一起玩的《白嘴鸦》（Rook）。在四年级他发现了《大战役》（Risk）这个游戏——这是一个操控棋子征服世界的策略桌游。从此他就迷上了战争游戏，而且父子之间的感情也因此越来越深厚。那些年里，父子在桌前，用版图上的战斗一次又一次地再现伟大历史。这对父子尤其沉迷《葛底斯堡》（Gettysburg）和《坦克1944》（Panzer '44）这样的游戏，在这些真正的战术桌游面前，大战役就像《糖果乐园》（Candy Land）一样小儿科。

孩之宝：抱歉，有钱任性

父子的桌上战争在阿基森十七岁那年戛然而止。双亲离异，父亲搬去了韩国。没有了那个总是喜欢搬家的部长，阿基森总算是在华盛顿州的瓦拉瓦拉安定了下来。对于离婚，包括以后都不能和爸爸见面这件事，阿基森都绝口不谈。不过1978年对他来说还算是人生的一个里程碑——他发现了龙与地下城（Dungeons and Dragons，或缩写为DND、D&D）这个游戏。

由加里（Gary Gygax）和Dave Arneson设计的D&D于四年前首次出版，这对于阿基森来说是个全新的体验。这并非一个版图游戏，也不是一个卡牌游戏，而是在一个基于J.R.R托尔金笔下《魔戒》世界观的奇幻大陆里进行的角色扮演游戏（RPG）。一个玩家扮演地下城主，他使用规则系统来为其他的玩家创造一个冒险世界，而其他的玩家则扮演冒险者——一个远离尘世的精灵刺客？一个巧舌如簧的吟游诗人？还是一个头脑简单但是有着惊人天赋的战士？每个玩家都可以选择扮演自己想要的角色。

阿基森一下子就迷上了这个有着更深体验和更加庞大体系的游戏。 而且不止D&D，还有《Rolemaster》、《DragonQuest》等等在70年代末80年初涌现出的一大批只消纸笔就可以玩的桌上角色扮演游戏（TRPG）。整个高中和大学的时光里，他都沉迷于这些游戏。拿到了瓦拉瓦拉大学的计算机科学学位后，阿基森前往西雅图，在波音公司从事编程工作，并且带着他的游戏和一大群的朋友。在波音的第一年，阿基森在肯特航天中心为发射系统建模的同时，还在与利维坦、穴居人、卓尔精灵等敌人战斗。他甚至开始设计自己的RPG系统，并在他的小团队里进行测试。

时间来到1990年，阿基森宣布，要在他那个经常作为跑团场地的公寓召开会议。在会议上，他将宣布一个重大的消息——他将创立一个名为海岸巫师（直译）的游戏公司——公司名来自龙与地下城。29岁时，阿基森决定付诸行动。

阿基森马上就开始为他名为《原初秩序》（The Primal Order）的计划筹集资金。这是一个长达230页，基于神话的TRPG规则书，旨在以既存的D&D系统进行游戏。这第一个项目很成功，马上就在宅男之间流行起来。阿基森立刻在原初秩序当红时将其出售。所以话说回来，阿基森还算是个优秀的商人。

也算是一种致敬吧

“我可是很不要脸的。”阿基森说，“那阵子一跟人聊天我就舔着脸借钱。经历千辛万苦，终于搞到了一千美元的启动资金。”

阿基森还在一个叫Usenet的论坛发帖宣传，这是一个早年间的游戏论坛，在这里玩家们可以讨论游戏亚文化，交流心得等等。1991年的一天，正在向他的追随者们传教的阿基森收到了来自西海岸的一条消息。

“我觉得你应该见见理查德·加菲尔德。”

在理查德·加菲尔德的一生里，比起玩游戏更多的是玩”游戏”本身。他总是尝试着将一些大相径庭的游戏糅合起来，尝试造出新的东西。改版的国际象棋、大富翁和扑克的结合、还有“红心大战”的改良版。

我知道跟万智没什么关系，但这个建筑真的很酷

也许是受那个帮大名鼎鼎的路易康设计了孟加拉国国会大厦（上图）的建筑师老爸的影响，加菲从小就对充满魅力的设计感兴趣。不过和阿基森一样的是，加菲尔德也是D&D的狂热玩家。

对好奇又喜欢思考的加菲来说，D&D对他冲击最大的是其蕴含的无限可能性。“游戏总会结束。”他说，“但角色扮演打破了这个定律：在跑团中没有赢家，跑团有着无尽的可能性。我看到了广袤的游戏空间，这其中大有文章可做。”

在阿基森阅读经济类书籍，并为威世智的RPG完善规则的同一时期，加菲尔德——当时是宾夕法尼亚大学的数学博士生——正在为他创作的名为《机器人拉力赛》（RoboRally）的游戏招揽客人。这个游戏的内容是玩家通过组合卡牌的顺序来控制机器人闯出一个险象环生的工厂。

真人大小的《机器人拉力赛》

使用手工制作的纸板、卡牌和小机器人模型，加菲与在芝加哥个一个实验室里相识的老友迈克·达维斯（Mike Davis）一起试玩了机器人拉力赛。达维斯此时已经是威世智的追随者之一，于是他联系了阿基森。

1991年的春天，三人在俄勒冈碰头。阿基森表示机器人拉力赛的创造性令他印象深刻，但公司的财务状况令他焦头烂额。彼时阿基森募集到的款项只够出版像原初秩序这样的TRPG规则集，要做桌游还不太够。阿基森提出了一个想法：“我希望它小型、便携而又快捷。随时随地都能来上一局。”

阿基森返回西雅图，让他的两位合作伙伴关于这件事再作讨论 。

加菲尔德从来不缺新创意。他敏锐的目光总是会出卖他：玩游戏时，他闪闪发光的眼睛好似要穿破黑暗，他的大脑就像一台永动机，永无休止。但是哪个点子才能帮威世智打破现在的困境呢？“便携又快捷”，听起来像个卡牌游戏。不过这么多年以来，加菲最喜欢的还是TRPG里无尽的可能性和可定制性，就像龙与地下城那样。几天后，在波特兰的一个瀑布前，新的点子就像一个咒语一样击中了他。

第二周，加菲就登上了开往西雅图的火车。在太空针旁的一个车库里，加菲尔德给阿基森讲了他或许简单但绝对前无古人的想法：“想象一下，一个卡牌游戏，有着数百张卡牌，而且持续推出新卡牌。有些卡牌比较稀有，有些又比较常见，你用任何你想要的卡牌来打造属于你自己的牌库，而对手的牌库里有什么又完全是未知数。然后你们进行对决。”

换句话讲——不同于Uno或者桥牌这些共用牌库的桌游。这个游戏一包里有十五张牌，就像那些球星卡一样。玩家用这些牌来构筑自己独一无二的套牌，以自己的风格进行游戏。无限的定制性。无限的可能性。

二人发出了激动的叫声。

回到宾夕法尼亚大学之后，加菲便开始着手开发这个前所未有的全新卡牌游戏。一个公众会为之创意咋舌，一个绝对会震撼世界的游戏。

这个被加菲简称为Magic的游戏，主要目标是将对手的生命值降到零，在使用卡牌保护自己的同时攻击敌人。

颜色轮，万智牌最古老的标志性符号。一张牌通常会有其中一种或多种颜色，每个颜色都有其独特风味。

他将卡牌分为五个颜色，每个颜色都有自己的特性和独特能力。红色善于猛烈进攻，蓝色擅长操控咒语，绿色缓慢但可以召唤巨大的生物，黑色可以在弱化敌人的同时强化友军，白色则可以制造小生物并强于保护。套牌可以用任意颜色的组合来进行构筑。不过这些颜色或多或少都有一些TRPG奇幻世界的影子，毕竟加菲和阿基森二人可都是从小玩着这些长大的。

短短几个月里，加菲就手工制作出了一个有配合的牌组，内含150张卡牌。加菲在一页上复印12张牌，插画则自己手工画点什么东西上去。这其中很多牌的原型都来自D&D。

加菲向他的测试小组征求意见与创意，来完善现有的卡牌并创造出新的卡牌。很快这些小组演化成了两大阵营：一个是数学&物理系派，他们在戴维·里滕豪斯实验室里进行游戏；另一组是传统桌游派，这些桌上老油条们在比尔·罗斯（Bill Rose）的家碰面——比尔和加菲在桥牌俱乐部认识，是一位化学系的雇员。

很快，加菲和他的组员们就做出了可进行对局的小样。几个月后，一个与初代核心系列毫无二致的版本几近完成。

1992年，宾夕法尼亚大学的Magic测试小组。

阿基森（前排左三）加菲尔德（前排右二）。

1991年秋天，在加菲和阿基森命运的相遇六个月后，阿基森已经从私人投资者那里募集到了超过十万美元的款项。但是这些钱都被他拿去发布自己的游戏——《原初秩序》去了。

与此同时，威世智只有一位刚刚从其他RPG游戏发行商那里跳槽而来的全日制雇员——丽莎·史蒂文斯（Lisa Stevens），加入了阿基森的创业计划。加上另外一名兼职的成员，三人一起在阿基森位于肯特的地下室工作。在这里，他们努力完善自己的RPG规则书和加菲的全新卡牌游戏。

丽莎向阿基森引荐了毕业于康沃尔艺术学院，并有兴趣加入这个新公司的的加斯帕·密尔佛斯（Jesper Myrfors）。长发，戴着眼镜，维京人般结实的身材，密尔佛斯看起来就像能徒手画出一条龙的人（译者：长什么样跟能画出来龙有关系吗）。他成为了这个游戏的的首位艺术总监，从母校那里搞来了大把的人手来将万智牌的世界视觉化。虽然大家对于奇幻艺术都不甚熟悉，但显然一个个都有着满腔热血。

也许是这位艺术总监最广为人知的插画

“在当时，人们还没发现，奇幻风格的插画少之又少，”阿基森说，“如果你有一本D&D规则书，封底也许会有一幅由Larry Elmore绘制的插画，但这些插画都有着托尔金世界观的影子——精灵们像天使一样高贵并有着长长的耳朵，兽人长得像畜生一样，等等。但我们万智牌原创的世界观里，比如来自罗堰的妖精们，有的留着莫西干头，有的戴着眼罩，还有的甚至有纹身。”

威世智为画师提供公司的股票作为报酬的一部分，但事实上印刷和包装的后勤工作对于卡牌游戏来说也是相当一部分的支出。阿基森认为机器人拉力赛的出版工作不会占用太多经费，但没想到万智牌的成本更加高昂。然而，这仅仅是麻烦的开始。

1992年春天，威世智出版了它的第一个产品，《原初秩序》。仅仅在游戏发布数个月过后，就因版权侵犯问题而被Palladium公司起诉。

《原初秩序》的资料片

事实上，所有RPG游戏的整个概念框架，都基于一个知识产权的灰色地带。《原初秩序》在说明游戏系统时用其他RPG游戏举例，其中就包括D&D等由Palladium出版的游戏。阿基森也许是在自己的领域过于自信，认为这种做法是合理使用，但偏偏这次的对手是在IP问题上格外小气的Palladium。

双方最终达成了协定，但威世智不仅是在经济上还是名誉上都受到了打击。出于对公司未来走向和版权问题的考量，阿基森成立了一个子公司（名为Garfield Games）来负责Magic的开发。

在1993年的夏天，也就是Magic项目组成立两年以后，威世智（的子公司Garfield Games）已经完成了一个可以发布的版本。目标是在Gen Con（译者注：北美最大的桌游展会）上一炮走红。但是为了能赶上在Gen Con发布这些卡牌，他还得去德克萨斯州的起源游戏展走穴，填补资金的缺口。

抱来一大箱卡片的阿基森在展会上摆设好了不起眼的万智牌摊位，并且用这个箱子里仅有的几副新手套牌做demo。此时，一位戴着牛仔帽，腰间系着闪闪发光皮带扣的男人走了过来。此人是Wargames West的客户代表，而这个公司正是阿基森曾和他父亲游玩的历史战术桌游的出版商。

在互联网时代以前，人们只能通过这种途径获得第一手的游戏资讯

阿基森用15分钟做完demo之后，这位代表思考了一会，说：“等等，我得让菲尔来看看这个。”不久他就带来了菲尔，是一个高一点的男人，戴着顶更大一点的牛仔帽。阿基森又重复了一遍刚才的高谈阔论。菲尔说：“我们得给斯坦看看这个。”二十分钟后两位代表带来了一位身材更高，戴着一顶更大牛仔帽的男人。阿基森又演示了一遍。斯坦说：“我们最好去找韦恩。”

三人消失在人群中。又20分钟后，三人带着第四个人——戴着最大帽子的人出现了。这个韦恩正是Wayne Godfrey，Wargames West的CEO。看完了阿基森的演示，韦恩将视线从眼前这些小卡片转移到面前这位男子身上：“今晚有空吗？”

就这样，阿基森拿到了价值四万美元的订单，而这已经足够帮助公司渡过难关。在1993年七月末，威世智将第一批万智牌交到了经销商手中——万智牌之所以叫Magic: The Gathering，是因为单独的一个单词Magic不能用作注册商标。 装着满满一面包车的小卡片，阿基森和他妻子正在前往几家模玩商店的路上，旨在为Gen Con预热。夫妻二人自西海岸一路南下至新墨西哥和科罗拉多州，最后搭乘航班赶赴大会的举办地——威斯康辛州的密尔沃基。

他们的第一站是波特兰，等待二人的只有加菲的父母。在阿斯托里亚，小商店空无一人。威世智没有在广告上下太多工夫，而是寄希望于经销商、店主和玩家们的口口相传。但是MTG与市面上既存的任何游戏都不同。又有谁知道它要花多久才能追上先行者们呢？加菲是一个不知疲惫的创造者，总是在用他脑子里不断涌现的点子与其它游戏和规则糅合。他并非单纯的玩游戏，而是在玩弄游戏本身…也许对现在的市场风向来说，Magic还是太过于复杂了吧。

但是在一行人抵达加利福尼亚州几天后，Magic迎来了它的第一批玩家。旧金山，弗雷斯诺，圣路易斯奥比斯波到洛杉矶。在每个游戏商店都有迫不及待想要试试Magic的玩家们。“它以肉眼可见的速度火遍游戏圈，”阿基森回忆道。在阿尔伯克基的一家战争游戏零售店里，50多位玩家早已等候多时。 “这感觉，就像摇滚巨星一样！”

加菲尔德手工制作的原型卡牌（左）与现代卡牌的对比

在创造出DND世界的第六年，加里于1968年创立了Gen Con展，这个展会将密尔沃基变成了属于桌面游戏爱好者们的天堂。数千名桌游玩家穿行于装饰得城堡般的摊位之间，选购着独一无二的定制道具——与此同时，另一群人围挤在桌旁，摊开图版，掷着20面骰子，进行着属于他们的奇幻之旅。

为了确认他们的卡片是否已经寄到，阿基森在大会前一天与加菲会面。一大早，二人就在繁忙的码头焦急地等候，可希望还是落了空。回到会场，很多玩家在万智牌展位前徘徊驻足，但无奈卡牌没有到位，无法展开活动。第一天就这么过去了。

在大会第二天下午，卡牌终于抵达码头。而此时，万智牌的潜在玩家们都等得有些不耐烦了。“你们需要帮助吗？”

就这样，二十位玩家成为了MTG的临时工，帮忙把这些小卡片从码头运送到会场。作为威世智的掌门人，阿基森顽强不屈而又精明诡诈，简直就是书呆子中的MBA。“我们马上就开始写收据，”阿基森说，“并且做好了赚大钱的准备。”与此同时，会场里的其他玩家们都开始排起了长龙——没错，所有人都在排队来玩万智牌。

Gen Con是加菲第一次出展，不善于在人群前表现的他显得有些羞涩。游戏于他而言就是人际关系的润滑油。加菲召集朋友，举办游戏派对，并且向朋友们展示新创意——这一切都是出于他本人对游戏事业的热爱。他也曾将《机器人拉力赛》带进大学校园，与同事学生们一起游戏。“但我不在的时候，没人会玩这个游戏。”游戏是个好东西，但他又能坚持多久呢？即使是将全部的时间和精力都投入到MTG中，加菲心中仍然对将游戏设计作为正职这件事画有问号。

在展会上，给这第一批玩家进行了教学之后，他看到了这些玩家们分散到展会的各个角落，兴致勃勃地教他们的朋友打万智牌。加菲这才意识到，真正吸引人的不是游戏本身，而是和你一起玩游戏的人。

Gen Con上的多米诺万智牌

就这样，凭借着玩家和经销商们的努力，威世智在Gen Con上售出了250万张卡牌。

截至1993年底，Magic已经盈利200万美元。与此同时，阿基森招兵买马，聘用了比尔·罗斯等人作为卡牌设计师。在1994年，加菲也从大学离职，成为了威世智的正式员工。

在90年代，威世智乘着由其引领的集换式卡牌游戏热潮，招聘了数百位设计师、插画师、测试员和分析人士，旨在每年都能推出万智牌的后续系列。年销售额也经常突破1亿美元大关。

1996年，威世智第一次举办了官方专业赛——简而言之就是像体育运动那样进行万智牌比赛，好比今天的电子竞技。

专业赛的盛况

第二年，威世智就将D&D规则的发行商TSR并购。两年后，阿基森截胡了一个交易，拿到了一个不为人知的日本集换式卡牌游戏在北美地区的发行权。而这个游戏，正是《宝可梦卡牌》。

17000：

25年来万智牌发行过的单卡数量（大约）。

就在这笔交易成立之后不久，游戏业界巨头孩之宝以3.5亿美元收购威世智。阿基森留在了威世智一年，领导一个小组制作MTG的电脑游戏。事实上这个项目比《魔兽世界》要早得多，完全有机会统治电子游戏世界。但孩之宝下令解散项目，阿基森也随之辞职，回到他在肯特的小公寓里，将精力放回到《原初秩序》上。

在退休期间，他索性买下了Gen Con，而这导致他在2007年吃了另一个官司，只不过这次原告是卢卡斯影业。100万美元的索赔金额让Gen Con濒临破产，但阿基森挺了过来，保住了这个让他一炮走红的北美最大桌面游戏展会。那些日子里，他在网上写小说，构建起了一个叫卡尔迪亚的世界。在1994年，阿基森与父亲重逢，儿时的桌游父子局又一次展开。

理查德·加菲尔德，万智牌和整个集换式卡牌游戏产业的缔造者，为威世智创作了更多万智牌（其实还有《机器人拉力赛》等等桌游）的新系列，在整个游戏社群里都大受好评。直到2000年代中期为止，加菲都在华盛顿大学担任游戏课程的教师，并且经常受邀做讲座。他现在开了家叫Three Donkeys公司，承接游戏开发者大大小小的咨询，帮助解决困难并提供新的点子。除此之外，加菲还被尊为万智牌的创世神。

威世智的一些老员工现在依然在威世智就职。罗斯，现在已经是Magic研发部门的副总裁。在这些老员工们的努力下，即使经历了25个年头，万智牌这个名号依旧是游戏界的一块金字招牌。

每次和万智牌的创作者们对话的时候，我都会问同一个问题：“这样一个既有着莫西干头纹身精灵族，又有米捷摹态械这种不明所以的东西，又有‘若两个目标非黑生物不共享同一个颜色，则消灭这些生物’等等看了就头大的单卡——这样的一个游戏是如何在信息爆炸的今天依然能保有热度的呢？”

对此，加里给出了解释。在成为一名桌游设计师之前的青年时期里，在佛罗里达赢下第一个大赛之后，他便周游世界，出席每一个万智牌的大赛，角逐最高30000美元的奖金。在2000年，他得到了一次与创世神加菲面对面打牌的机会。但令他失望的是，创世神本人却并不擅长打牌。

“他把自己定位成一个创造者，”加里说。当一个玩家试图通过系统在游戏中获得优势时，“理查德的想法是‘我该如何为玩家提供更好的体验？玩家会有怎样的情绪反馈？这些游戏系统如何才能更好地运作呢？’等等。”话说回来，加菲对游戏的爱不输任何人。但是在做出了这样一个影响了从《宝可梦》到《魔兽世界》的伟大作品之后，他还怎样维持初心呢？

如果你问加菲尔德，在万智牌史上他最喜欢的套牌是什么，他总是会给出同样的回答：“我喜欢玩所有冷门套牌，在那里，埋藏着只属于我自己的宝藏。”