AI 與流派：Suphx、NAGA，以及數據流 vs 模擬流 vs 運勢流

麻將 AI 在天鳳打到十段這件事，改變的東西比多數人以為的少，也比多數人以為的多。 這一篇處理兩個相關問題：AI 的成績意味著什麼，以及麻將的方法論流派為什麼到今天還沒統一。

一、Suphx：第一個打到十段的 AI

項目	內容
開發者	Microsoft（Super Phoenix，簡稱 Suphx）
登場	2019-03，天鳳 ID ⓝSuphx
達成	2019-06 成為首個到達十段的麻將 AI
成績規模	4 個月、約 6000 半莊
主戰場	天鳳特上桌有赤東南戰（特南）
公開	2019-08 公開開發者身分

《世界最強麻將 AI Suphx 的衝擊》（作者お知らせ，第 14 代天鳳位）的評價是：這個成績「足以匹敵天鳳位玩家」。

要讀懂這個成績的限制

1. 它打的是特上桌，不是鳳凰桌。 特南的對手強度低於鳳南。
2. 它達到十段，不是天鳳位。 從十段到天鳳位需要再累積 4000 pt，難度完全是另一個量級（見 段位制度篇）。
3. 6000 半莊在天鳳的統計意義上不算很長——人類強者動輒上萬戰。

這些不是要貶低 Suphx，而是要避免「AI 已經超越人類」這個過度推論。更準確的說法是：AI 在特南達到了頂尖人類的水準。

Suphx 教會了什麼

書中萃取的，其實是幾條標準化的攻守判斷，而且都不新奇——新奇的是 AI 把它們執行得極度一致：

Suphx 的行為	對應的原則
沒搞頭的手牌 → 全棄，不半推半收	兩極化（見 進攻判斷）
終盤優先形聽、無視有無役	「做出和了役的好處很小」
對兩家副露已否定斷么時，果斷棄餅子	副露讀牌 ＋ 風險評估

AI 的優勢不在於想出了人類想不到的招，而在於它沒有情緒、不會疲勞、不會因為剛放銃而改變標準。 這一點對人類玩家的啟示比任何具體招式都大。

二、NAGA 與 Akochan：講譜工具

比 Suphx 更實用的是評估工具。《日麻何切的 AI 思維》介紹了兩個：

NAGA

優點	缺點
分析快，一譜四看	需要付費，且需 NICONICO 帳號
各家聽牌機率與各家銃率分別可視化	只顯示推薦度長條，不出示具體機率
提供終局狀態機率分析	立直、暗槓、加槓的操作上有限制
講譜可保存於帳號

Akochan

與 NAGA 的差異在於它給出具體的 pt 期望值。這造成一個實務上的重要現象：

NAGA 給了 2M 極大的期待值，而 Ako 的數據顯示切 2M 僅比 7P 優 0.001 pt。

AI 給出「極微小 pt 差」時該怎麼讀

《日麻何切的 AI 思維》整理了幾種可能：

1. A 選項嚴格優於 B。 最簡單的例子是「中發白各一枚」的何切——因為綠一色的存在破壞了三元牌的對稱性，所以先切哪一種三元牌一定存在某個更優解，雖然差距極微小。
2. 其他情況下，微小 pt 差可能只是蒙地卡羅模擬的雜訊。

實務結論：0.001 pt 的差距在實戰中毫無意義。 看到 AI 的微差推薦時，正確的反應是「這兩個都可以」，不是「原來正解是這個」。

用 AI 覆盤的正確方式

《何切 300 選的 NAGA 分析》的作者寫了一段很誠實的動機：

各雀士為同一個問題爭執不休，即使是公布了書中的答案也往往難以（說服）……起先我也認為（簡單的題不必請教 NAGA），後來當我偶然間輸入了一個自認為沒有異議的平面何切，NAGA 卻給出截然相反的選擇開始，我就不這麼認為了。

AI 的主要價值是校正盲點，不是提供答案。 它最有用的時刻，是你確信自己對的時候。

三、三個流派

同一份 mjcopilot 書單同時收錄了立場完全相反的書。這不是編輯疏失，而是麻將方法論的真實狀態。

數據流（デジタル）

定義（《絕對不會吃 4 的麻雀》）：

數據流：基於數值將戰術體系化的思考方式

代表：《統計學麻將戰術》（みーにん）、《超級數據流麻將》（小林剛）、《新科學化麻將》、《數據制勝：三人麻將》。

這一派的數據基礎多半來自天鳳牌譜。《統計學麻將戰術》明確說明取樣：天鳳鳳凰桌、2009-02 至 2015 年、有食斷有後付、有赤寶牌規則下的東南戰牌譜。

模擬流（アナログ）

定義（同書）：

模擬流：也包含數值以外的根據，尋求各種不同情況下各自的正解，這樣的思考方式

代表：佐佐木壽人《超攻擊麻雀》、澤崎誠《強大無比的麻雀經驗論》、村上淳《讀牌的神髓》、瀨戶熊《立體麻將》。

平澤元氣的調和：兩者分工不同

《絕對不會吃 4 的麻雀》nonlas 2 給出了本專欄見過最好的調和：

這樣想的話，數據流就擅長掌握理論，而模擬流就擅長發現例外。為了變強兩者都是需要的。

搭配同書的兩階段學習法（先記理論，再記例外），這個分工就落地了：

• 理論（基準線）→ 查數據流
• 例外（灰色地帶）→ 問模擬流／強者

他並舉例說明：「平和 nomi 立直更有利」是基於統計數據的結論（數據流）；而基於點數計算的判斷則完全是模擬流。

運勢流

這是書單裡最特別的一條：《亞空間殺法教學》（安藤滿，日本職業麻將聯盟九段）。

這是安藤滿花了三十年時間研究出來的麻將心得，簡單來說就是通過鳴牌（吃碰槓）來改變運勢，從而抓住運勢的一種打法……進入和牌區間，這就代表你抓住運勢了……相反有和牌區間，就有放銃區間。安桑把這個放銃區間起名為亞空間。

書單本身把它標為「運勢麻將戰術中的最高傑作」。

本站的立場

「運勢／流」作為一個關於牌山的客觀機制，沒有任何證據支持。 洗牌後的牌山分布與你鳴不鳴牌無關，這是機率事實。

但它作為一套決策啟發式（heuristic），不應該被簡單地丟掉。 亞空間殺法的實際內容是一套具體的定石（配牌的選打、邊張與嵌張的取捨、何時積極鳴牌），這些定石可能在某些局面下恰好是對的——只是它給的解釋是錯的。

評價的正確方式是：把它的建議和數據流的結論逐條對照，看哪些重合、哪些衝突。重合的部分說明那是被重新發現的有效技術；衝突的部分則需要數據裁決。這件事本專欄沒有做，列入待解問題。

四、AI 時代的「雀力」是什麼

《「魔法」麻將》（圓田賢，最高位戰日本職業麻將協會）提出了一個很好的思考工具：

我認為麻將有那麼一個最強的打者。不妨就稱其為「期望值之神」。「期望值之神」每次都會選擇期望值最高的選項。在規則的範圍內，結合場上的所有情況，永遠走在正確的路上。

這個設定的價值在於它定義了上限：雀力 ＝ 你與期望值之神的距離。

而 AI 的意義就是：它讓這個距離第一次變得可測量。在 Suphx 與 NAGA 之前，你無法知道自己的某個決定差了多少；現在可以。

但有一個東西 AI 沒有改變

期望值之神也會輸。 麻將的單局方差極大，即使每一打都最優，短期成績仍然可以很難看。這就是為什麼天鳳的破段常常與技術無關，以及為什麼「下振期不要改打法」是一條重要的紀律。

AI 讓我們能夠分辨「打錯了」與「運氣不好」——而這個分辨能力，本身就是過去人類最缺的東西。

📖 證據等級

主張	等級
Suphx 2019-06 達天鳳十段、約 6000 半莊、特南	A — 書中記載，公開事實
Suphx 的成績「足以匹敵天鳳位玩家」	B — 書作者（第 14 代天鳳位）的評價
Suphx 未達天鳳位、打的是特上非鳳凰	A — 事實
NAGA／Akochan 的功能與限制	B — 《日麻何切的 AI 思維》的使用者整理
0.001 pt 差距在實戰中無意義	E — 本站判斷（基於模擬雜訊的一般原理）
數據流／模擬流的定義與分工	A — 平澤元氣原文定義
《統計學麻將戰術》的取樣範圍	A — 作者自序明述
運勢／流無客觀機制支持	A — 機率事實
運勢流的具體定石可能部分有效	E — 本站判斷，未經逐條對照驗證
「期望值之神」框架	B — 圓田賢的概念

🔗 來源

• 《世界最強麻將 AI Suphx 的衝擊》／お知らせ（第 14 代天鳳位）rl303207
• 《日麻何切的 AI 思維》（NAGA ＋ Akochan）rl482387
• 《何切 300 選的 NAGA 分析》rl499000
• 《絕對不會吃 4 的麻雀》nonlas 1・2／平澤元氣　rl331955
• 《統計學麻將戰術》數據說明／みーにん　rl97988
• 《亞空間殺法教學》／安藤滿　rl79957
• 《「魔法」麻將》／圓田賢　rl507539

接下來：常見誤解

🕒 更新紀錄

• 2026-11-14 — 建立本篇。