自问自答一波，等待更多高量量的答复。
人类博弈游戏的复杂度要用什么来权衡？应该用博弈论中信息集总数目和信息集均匀数目来权衡。为什么呢？
博弈论中，信息集是指关于特定的参与者，成立基于其所察看到的所有博弈中可能发作的动作的集合。若是博弈是完美信息的，每个信息集只能有一个参与者，并显示博弈所处的阶段。不然，有的参与者可能就不晓得博弈的形态，以及本身四周的形势。
我们能够把棋牌游戏里每一步对后续可能步的变革想象成一棵倒着长的树，例如那个井字游戏的比力简单的游戏树。
游戏树是指组合博弈理论顶用来表达一个赛局中各类后续可能性的树，一个完好的游戏树（complete game tree）会有一个起始节点，代表赛局中某一个情形，接着下一层的子节点是本来父节点赛局下一步的各类可能性，按照那规则扩展曲到赛局完毕。
那个游戏树就是上文提及的信息集总数目，那个数字越大，就意味着游戏的可能途径越多，天然就越复杂，越难计算。
另一个概念信息集均匀数就是针对棋牌游戏完美信息水平的表述。
在博弈游戏里，完美信息的含义就是信息的公开水平，例如围棋，象棋，国际象棋，双陆棋等，所有步调都是对参与者公开的，不确定性为零，就是完美信息类游戏，比拟桥牌，德州扑克，麻将等，许多信息是隐蔽的，不确定的，那些隐蔽的步调（持有的牌）会逐步在游戏里揭露，那类游戏就长短完美信息的游戏。
那里有一个规律，大部门的棋类游戏是完美信息类的，大部门的牌类长短完美信息的。那也侧面解答了，为何棋类一般用较大的棋子放在棋盘内博弈，因为如许便利参与者看清，而牌类一般是薄纸（麻将和军棋除外），是为了便利手持来隐藏牌面。
人工智能AI的进化过程提醒了博弈游戏的复杂度的差别AI跟着计算机计算才能与算法的进化逐渐在各个博弈游戏里击败人类最强玩家，那个过程肯定也必需是从易到难，从简单到复杂的，正好提醒了人类博弈游戏的复杂度的差别。
起首我们简要回忆一下AI击败人类的进化过程
从那个过程中能够看出，AI击败人类玩家是从简单棋类起头，到复杂棋类，2016年末于在最复杂的围棋范畴击败人类最强玩家，然后起头了对牌类游戏的征途，2017年AI在德州扑克范畴完败人类最强玩家群，目前麻将AI也即将击败克制那个范畴。
那个过程正好是从完美信息类游戏到非完美信息类游戏，那是不是申明牌类游戏愈加复杂多变？
德州扑克，麻将那类非完美信息游戏，与围棋、象棋等完美信息游戏比拟，对人工智能来说具有更大的挑战性，若是说围棋的可不雅测形态信息是10的172次方，隐藏的不确定信息为0，那么，麻将的可不雅测形态信息则是10的121次方，可怕的是隐藏的不确定信息（信息集的均匀数）到达了10的48次方。
常见棋类游戏复杂度常见牌类游戏复杂度游戏的形态空间复杂度（即信息集总数目），指的是从游戏最起头的形态能够变革出的契合规则的形态的数量。
从以上数据能够看出，以围棋为代表的棋类游戏的复杂性在于庞大的信息集总数目，以麻将为代表的牌类游戏的复杂性在于信息集均匀数（不确定性与非对称性），人工智能AI的开展从侧面印证了牌类（代表选手是麻将）是在计算上更为复杂的游戏。
所以，以后打麻将的时候大能够说在玩人类史上最难的博弈游戏漏。
题外话
其实麻将不克不及说是人类史上最难游戏，实正的王者是西洋陆军棋（Stratego）。
西洋陆军棋的游戏树复杂度到达恐惧的10的535次方，因为长短完美信息棋类，形态空间复杂度也到达10的151次方，实在堪称人类最强游戏，可是因为玩家不敷多，就放在题外做甜品了。
部门信息来自@微软亚洲研究院