La inteligencia artificial que juega al mahjong

Durante décadas, los juegos de mesa han sido el campo de pruebas de la inteligencia artificial. En 1997, Deep Blue ganó a Kaspárov al ajedrez; en 2016, AlphaGo venció a uno de los mejores jugadores de go del mundo. Pero esos dos juegos tienen algo en común: los dos jugadores ven todo el tablero. El mahjong no. Cada jugador tiene fichas que los demás no ven, hay fichas en el muro que nadie conoce y juegan cuatro personas a la vez. Para una máquina, eso lo cambia todo.

En esta página te contamos por qué el mahjong es tan difícil para una IA, cómo lo resolvió Suphx, la IA de Microsoft que llegó al rango más alto de la mayor plataforma de mahjong japonés, qué han descubierto los matemáticos sobre la distancia de una mano a la victoria y cómo se está usando la IA para hacer las reglas más justas.

Por qué es tan difícil

Los investigadores de Microsoft que crearon Suphx resumieron el problema en tres puntos.

La información oculta. En el riichi, cada jugador tiene hasta 13 fichas que solo ve él, hay 14 fichas en el muro muerto que nadie verá en toda la mano y 70 en el muro que se van descubriendo poco a poco. Cuando tienes que decidir un descarte, hay una cantidad astronómica de situaciones posibles compatibles con lo que sabes: según sus cálculos, de media, más de 10⁴⁸, un uno seguido de 48 ceros. Los informáticos llaman a ese conjunto de situaciones que no puedes distinguir conjunto de información, y el del mahjong es muchísimo mayor que el del póker Texas hold'em, que hasta entonces era el gran reto de los juegos de información oculta.

La puntuación. Una partida tiene varias manos y lo que cuenta es el resultado final. Perder una mano no significa haber jugado mal: a veces conviene dejarla ir para asegurar el primer puesto. Además, hay muchísimas manos ganadoras con valores distintos, y en cada turno hay que equilibrar la probabilidad de ganar con lo que se gana.

Las reglas. El orden de los turnos se rompe cada vez que alguien canta una ficha o declara un cuarteto, y hay acciones de muchos tipos (descartar, cantar escalera, trío o cuarteto, declarar riichi). Eso impide construir el árbol de jugadas ordenado que usan los métodos clásicos de los juegos de tablero.

Una revisión de 2020 añadía un cuarto obstáculo: no existe un único mahjong. Una IA entrenada para el riichi japonés no sirve tal cual para el chino oficial, con su mínimo de 8 puntos, ni para el mahjong de Sichuan, que se juega con 108 fichas. Por eso no hay una IA universal de mahjong.

Suphx: la IA que llegó al décimo dan

Tenhou es la plataforma en línea de riichi más popular de Japón, con más de 350.000 usuarios activos según los autores de Suphx. Sus jugadores se clasifican por dan, como en las artes marciales, y el 10.º dan es el rango más alto; por encima solo queda un título honorífico que, según el artículo, apenas una docena de jugadores ha conseguido. Suphx («Super Phoenix»), desarrollada por Microsoft Research Asia y presentada en 2020, jugó 5.760 partidas en la sala de expertos y alcanzó el 10.º dan, algo que ninguna IA había conseguido antes. Según la distribución de rangos de la plataforma, quedó por encima del 99,99 % de sus jugadores humanos.

La comparación más reveladora es el rango estable, una medida del rendimiento medio a largo plazo:

Conviene leer bien el resultado: los autores dicen que Suphx supera a la mayoría de los mejores jugadores humanos, no a todos, y la comparación se limita a las partidas de la sala de expertos. Su estilo también llamó la atención. Terminaba cuarta solo en el 18,7 % de las partidas, frente al 20,5 % de los mejores humanos, porque defendía muy bien: casi nunca descartaba la ficha que daba la victoria a un rival. Y los propios jugadores de élite reconocieron en ella hábitos propios, como guardar fichas seguras para el final o su gusto por las manos de un solo palo con honores.

Cómo aprendió

Suphx empezó imitando: aprendió de partidas de jugadores humanos de alto nivel, y después mejoró jugando contra sí misma millones de veces, premiando las decisiones que acababan bien. Lo novedoso fueron tres técnicas:

• Predecir el resultado final. Una red estimaba, mano a mano, cómo iba a terminar la partida, para que cada mano recibiera una señal útil aunque se perdiera por estrategia.
• El oráculo. Primero entrenaron una versión tramposa que veía las fichas de los rivales y del muro, y poco a poco le fueron quitando esa información hasta convertirla en una jugadora normal. Era más eficaz que intentar que una IA normal imitara directamente a la tramposa.
• Adaptarse a cada mano. Al recibir las fichas iniciales, la IA simulaba muchas partidas posibles y ajustaba su estrategia, igual que un buen jugador ataca con una mano buena y se defiende con una mala. Esta técnica, sin embargo, era tan lenta que no se usó en Tenhou.

La deficiencia: a cuántas fichas estás de ganar

Mientras unos entrenaban redes neuronales, otros atacaban el mahjong con matemáticas. En 2019, Sanjiang Li y Xueqing Yan propusieron una medida sencilla: la deficiencia de una mano de 14 fichas es el número mínimo de fichas que tendrías que cambiar para completarla. Una mano ganadora tiene deficiencia 0; una a la que le basta un cambio, deficiencia 1, y así sucesivamente.

Para simplificar, trabajaron con un mahjong reducido a los tres palos, sin honores, y demostraron varios resultados curiosos:

• Ninguna mano de 14 fichas está a más de 6 cambios de completarse. Las peores manos posibles tienen deficiencia 6.
• Una mano de un solo palo nunca está a más de 3 cambios. Contaron todas las manos de un palo posibles, 118.800: el 11 % ya están completas, el 77 % están a un cambio, el 12 % a dos, y solo 90 están a tres.

Y lo usaron para decidir descartes. Un método rápido consiste en descartar la ficha que más fichas útiles deja por robar. Pero en uno de sus ejemplos ese método empata dos descartes, y el cálculo exacto de probabilidades los desempata: con un descarte la mano se completa en dos cambios con una probabilidad de 7 entre 12, y con el otro, de 1 entre 2. Es decir, contar fichas útiles es una buena aproximación, pero no siempre la mejor decisión.

Si juegas al riichi, esto te sonará. La deficiencia es, en la práctica, el shanten más uno: el shanten cuenta cuántas fichas te faltan para quedarte a una de ganar (estar en tenpai), y la deficiencia, cuántas te faltan para ganar. Es exactamente lo que calcula nuestro analizador de mano, que además te dice qué fichas te acercan y cuántas copias quedan de cada una.

La IA como árbitro de las reglas

La IA no solo sirve para jugar mejor: también para comprobar si las reglas son justas. En enero de 2026, un equipo de la Universidad de Pekín usó la IA campeona de un concurso internacional de 2022 para jugar contra sí misma 557.056 partidas de chino oficial, y analizó los resultados.

Encontraron dos desequilibrios. El primero, que el jugador que sale primero gana más: un 26,2 % de las partidas, frente al 22,5 % del que sale último. En una mesa presencial esto se compensa rotando los asientos a lo largo de varias manos, pero en una partida en línea suelta, no. Proponen una compensación fija por posición, parecida al komi del go, los puntos que recibe quien juega en segundo lugar.

El segundo, que algunas jugadas valen demasiado o demasiado poco para lo frecuentes que son. Las siete parejas, por ejemplo, salen a menudo y valen 24 puntos; proponen bajarlas a 16. En total sugieren ajustar 11 jugadas. Los autores lo presentan como un primer borrador, basado en IA y no en jugadores humanos, y han publicado la versión revisada para que cualquiera pueda jugarla en la plataforma Botzone.

Lo que queda por resolver

Según la revisión de 2020, el futuro de la IA del mahjong pasa por combinar aprendizaje profundo y aprendizaje por refuerzo, como hizo Suphx, y trasladarlo a otras variantes. Hay avances: según el equipo de Pekín, otra IA ya ha vencido a un campeón humano de chino oficial en partidas de uno contra uno. Pero el chino oficial a cuatro jugadores sigue sin resolverse, y entrenar una IA como Suphx exige tantos recursos que muchos laboratorios trabajan ahora en versiones más baratas, como un modelo de 2024 que necesita una quinta parte del tiempo de entrenamiento de otro método habitual, aunque solo se ha medido frente a rivales sencillos.

El mahjong, en suma, sigue siendo un reto abierto para la IA, y una revista de referencia en juegos y computación, el ICGA Journal, lo destacaba en 2021 precisamente por el enorme tamaño de su información oculta. Para un jugador humano hay una lección tranquilizadora: incluso la mejor máquina pierde muchas partidas. Lo que la distingue no es ganar siempre, sino tomar mejores decisiones de media y, sobre todo, defenderse bien.

Si quieres entrenar esas decisiones, prueba el reto de descarte diario y repasa la estrategia básica.

Última revisión: 2026-10-10. ¿Has visto un error? Avísanos.