麻雀AI実装とオープンアリーナの公開
麻雀AIのシミュレーション実装をオープンソースとして公開しました。また麻雀AIを対戦させるためのオープンアリーナ環境として「RiichiLab」をリニューアルオープンしました。WebSocket接続して24時間いつでも他人の麻雀AIと対戦させてレーティングを付けることができます。
シミュレーション実装 RiichiEnv とオープンアリーナ
麻雀AIは不完全情報ゲームであるため探索アルゴリズムが活用しづらい非常に面白い研究テーマです。しかし将棋や囲碁と比較して開発者が少ないように感じます。その原因の一つはルールの複雑さ、ランダム性の高さによる評価の難しさ、再利用可能なライブラリの不足などがあると考えます。喰い替え禁止や槍槓のようなイレギュラーなイベントの正確なハンドリングなど、すべてを正確な状態に保つのは大変です。
”再利用可能” なシミュレーション実装として、Rust のコア実装である riichienv-core クレート、それを用いた Gym-like インターフェースを持つ Python パッケージとして riichienv を新たに実装してOSSとして公開しました。
https://github.com/smly/RiichiEnv
またこれをベースとして麻雀AIを対戦させるオープンアリーナである RiichiLab をリニューアルオープンしました。開発した麻雀AI を他人の麻雀AIと対戦させて OpenSkill レーティングによって評価することが可能です。
是非これらを活用して面白い成果物や最強麻雀AIの開発に役立てていただければ幸いです。
RiichiEnv の使い方
RiichiEnv は Python パッケージとしてシミュレーション実装を提供します。以下のような Gym-like な API を提供します。
obs_dict = env.reset()で環境を初期化して、行動可能なプレイヤーごとの観測情報をdict[int, Observation]形式で受け取ります。- ゲームが終了したかどうかの判定は
env.done()で行います。 - 行動可能なプレイヤーの観測情報を
agent.act(obs)に渡してActionを受け取ります。 env.step(actions)で行動可能なプレイヤーごとの行動をdict[int, Action]で環境に渡し、次の観測情報を得ます。
from riichienv import RiichiEnv
from riichienv.agents import RandomAgent
agent = RandomAgent()
env = RiichiEnv()
obs_dict = env.reset()
while not env.done():
actions = {player_id: agent.act(obs)
for player_id, obs in obs_dict.items()}
obs_dict = env.step(actions)
scores, ranks = env.scores(), env.ranks()
print(scores, ranks)麻雀AI の開発者はこのように観測情報 Observation を受け取り、行動 Action を返却する必要があります。 Observation オブジェクトはプレイヤーが観測するすべての情報にアクセスする手段を提供します。これには行動可能な Action のリストを含みます。
>>> obs.legal_actions()
[Action(action_type=Discard, tile=Some(1), ...), ...]そのため、ランダムな行動を行う麻雀AI は以下のように実装できます。
import random
from riichienv import Action, Observation
class RandomAgent:
def __init__(self, seed: int | None = None):
self._rng = random.Random(seed)
def act(self, obs: Observation) -> Action:
"""
Returns a valid Action object (DISCARD, RON, etc).
For now, mostly discards randomly from legal moves.
"""
return self._rng.choice(obs.legal_actions())より詳しくは README.md を参照ください。
RiichiLab の基本的な接続方法
RiichiLab にログイン（GitHub OAuth 認証）した後、Bots ページから麻雀AIの Bot 名を設定してトークンを取得します。このトークンによって認証を行い、WebSocket 接続します。
以下はツモ切りをする Bot の例です。
import asyncio
import json
import websockets
async def bot(url: str):
async with websockets.connect(url, additional_headers=HEADERS) as ws:
my_seat = None
last_tsumo = None
while True:
msg = json.loads(await ws.recv())
match msg["type"]:
case "start_game":
my_seat = msg.get("id", 0)
case "tsumo":
pai = msg.get("pai")
if pai and pai != "?":
last_tsumo = pai
case "request_action":
if last_tsumo:
resp = {
"type": "dahai",
"actor": my_seat,
"pai": last_tsumo,
"tsumogiri": True,
}
else:
resp = {"type": "none"}
await ws.send(json.dumps(resp))
last_tsumo = None
case "end_game":
break
TOKEN = "your-bot-token-here"
HEADERS = {"Authorization": f"Bearer {TOKEN}"}
asyncio.run(bot("wss://game.riichi.dev/ws/validate"))少しコードが煩雑になっていますが、RiichiLab では Observation のシリアライズしたデータを提供するため、実装を簡略化できます。
request_action メッセージには Observation をシリアライズしたデータが含まれています。Observation.deserialize_from_base64() によって riichienv の Observation オブジェクトをデシリアライズすることができます。これを使うことで、tsumo, start_game などの個々のメッセージを解釈する必要は無くなります。request_action や end_game を受け取るまですべて無視できます。
import asyncio
import json
import websockets
from riichienv import Observation
async def bot(url: str):
async with websockets.connect(url, additional_headers=HEADERS) as ws:
agent = MyAgent()
while True:
msg = json.loads(await ws.recv())
match msg["type"]:
case "request_action":
# Deserialize the observation from the server
obs = Observation.deserialize_from_base64(
msg["observation"]
)
action = agent.act(obs)
await ws.send(action.to_mjai())
case "end_game":
break
TOKEN = "your-bot-token-here"
HEADERS = {"Authorization": f"Bearer {TOKEN}"}
asyncio.run(bot("wss://game.riichi.dev/ws/validate"))ここで MyAgent を以下のように実装します。これは RiichiEnv のインターフェースと同じです。これによって通信とAIの実装を分離することができます。
from riichienv import Action, ActionType, Observation
class MyAgent:
"""Your bot agent. Implement act() to return an Action."""
def act(self, obs: Observation) -> Action:
actions = obs.legal_actions()
# Win if possible
for a in actions:
if a.action_type == ActionType.Tsumo or a.action_type == ActionType.Ron:
return a
# Declare riichi if possible
for a in actions:
if a.action_type == ActionType.Riichi:
return a
# Default: discard the drawn tile (tsumogiri)
for a in actions:
if a.action_type == ActionType.Discard:
return a
# Pass on claims
return Action(ActionType.Pass)詳細についてはドキュメントを参照してください。
キーイベントへのショートカット
可視化ではキーイベントへのショートカットを提供しています。個人的にはこれがとても気に入っています。「オーラスで対面がテンパイしたタイミングが知りたい」といった要求に対して、2クリックで到達可能になります。待ちの変更やテンパイ崩しも瞬時に把握することができ、定性評価やデバッグに役立ちます。
画面右下には、現在の表示画面の固有リンク（permalink）をコピーするボタンがあります。バグレポートやデバッグのためのメモなどに活用ください。
おわりに
麻雀AIを強くするための改善余地はたくさん残っています。特に特徴量。和了率や放銃率などの特徴量が CNN backbone のモデルでは重要であることが私の中でよく知られています。
よく知られているものはオープン実装として開発しつつ、特別なものはプライベートで開発しつつ、引き続き開発を進めていきます。