前置き 前回の記事 麻雀AI Microsoft Suphxの第１打 では、麻雀AI Suphxの第１打を総合してグラフ化した。その結果として比較的フラットな状態におけるSuphxの牌の価値傾向が見て取れた。 今回は、前回から少し詳細に見て向聴数別の第１打をグラフ化してみた。 結論を先にいうと、やはり目新しいことは特にはない。まま、Rの練習はうまくいった。というところである。 ところで、前回の記事はTwitterを経由して来ていただいた方には感謝。勉強がてら続けてみたいと思います。 第１打時の向聴数別の登場分布 まず第１打時の向聴数を見てみる。 ここでいう第１打時は、初期配牌１３牌と第１ツモをあわせた１４牌から１牌を捨てたときのことを指すこととする。まずは、その場合の向聴数を示してみる。これは、Suphxに限らない話であり、ランダムな状態から適切な１牌を捨てるとした結果であるから、一般的な統計的な傾向だ。なお、0向聴は聴牌である。 聴数 (-1) 0 1 2 3 4 5 6 計 局数 (0) 8 348 2952 6749 4355 900 45 15357 確率 (0) 0.052% 2.266% 19.223% 43.947% 28.358% 5.861% 0.293% 1 対照するデータとしてあらの（一人）麻雀研究所さんのデータを以下に引用する。登場する割合がほぼ同様なので、偏っていたりということはなさそうだろう。 聴数 -1 0 1 2 3 4 5 6 計 局数 2 403 12716 104788 236199 152777 29267 849 537001 確率 0 0.075% 2.368% 19.514% 43.985% 28.450% 5.450% 0.158% 1 配牌時の向聴数の分布 - あらの（一人）麻雀研究所 閑話休題。 あらの（一人）麻雀研究所さんは東風荘時代からずっとお世話になっているが、時代の変遷があっても色せない情報がたくさんあるので、本当に助かります。感謝。 閑話休題ここまで。 ここでは向聴数計算に七対子も含めているため、最大向聴数は六向聴になる。

前置き Suphxの分析というより、Rの練習の意味合いが強い。なので、麻雀としての結論は麻雀をやっていれば当たり前の結論が導かれている、ということは最初に前置きしておきたい。 Microsoft Suphxとは Microsoft Suphxは、Microsoftが作った麻雀AIである。2019年春から夏にかけて実際に麻雀サイト「 天鳳 」で打ち、天鳳の最高段位である「十段」を麻雀AIとして初めて達成した。 麻雀 AI Microsoft Suphx が人間のトッププレイヤーに匹敵する成績を達成 - News Center Japan 将棋やチェスなどに代表される「 二人零和有限確定完全情報ゲーム 」では、ルールの特性を除けば、すべての情報が盤面にあらわれており、比較的研究しやすいゲーム分野ではあり、チェスAIの DeepBlue や名人に勝利した Ponanza などの将棋AIは1990年代から2010年代にかけて研究がされており、Deep Learningが広く知られるようになった2010年代には急激に発達した分野である。 一方、麻雀やテキサスホールデムなどの多人数かつ情報が隠れているようなゲームについても研究は進められ、特に画像処理で使用されるGPUを演算処理に活用される手法が確立されてからは様々なAIが不完全情報ゲームにおいて人間に勝利を収めるようになった。 Suphxの詳細をを突っ込むとそれだけで1記事になるので、論文やそれを解説したサイトを見ていただきたい。 Suphx 論文 Suphx 論文 (0) Introduction を読む｜daku-longyi｜note でもここでは普通に数の分析をしていく 筆者は、深層学習に詳しくもなく、統計学者でもなければ、統計学にも詳しいわけでもない初心者であり、適当にコードが組める人間である。 なので、初心者にふさわしくだれでもわかるような数値データにしてみたい。当然の話だが、注意いただきたいこととして、ここで述べる話は仮説（あるいはそれ以前の次元であるただの意見）であり、相関関係を証明した結果でないということを覚えていただきたい。 麻雀の第１打 麻雀における第１打が戦術に影響するか、というと、対してためになるものではないし、何切る問題をするほうがいいだろう。ただ、統計的な分析をすると