公式可追溯AI：ADE决策引擎如何让俄罗斯方块AI可解释

AI在玩俄罗斯方块时，每分钟做出数千次落块决策。大多数实现只输出一个动作——没有解释、没有推理轨迹、没有审计依据。ADE（Aether Decision Engine，以太决策引擎） 试图改变这一点：每个决策都经过一条公式可追溯的流水线——option_scoring → softmax → argmax → margin → rules，每一步都留下可审计的记录。

问题：不透明的AI决策

标准俄罗斯方块AI的典型做法是：枚举所有合法落点，对每个落点打分，直接返回最高分。输出只有“将方块放在第7列、旋转3次”这样一句话，没有推理、没有置信度、没有审计线索。

ADE把这一过程包裹进一个决策框架，把原本隐式的推理外显为结构化记录。每次决策会生成一个 ADEDecision 数据类，包含：方块类型、旋转、列号、置信度、margin（top-1与top-2分数的差距）、softmax概率、公式链、触发规则、完整审计轨迹、决策ID以及延迟。

换句话说，任何一次落块都可以回溯到完整的公式链条，弄清楚AI为什么选择这个位置。

架构：五段式公式链

ADE的决策管道分为五个阶段，每一阶段的输出都是下一阶段的输入。

1. 选项评分

对每个合法落点使用俄罗斯方块启发式打分，特征包括 max_height、holes、aggregate_height、wellness，并结合消除行数。分数是后续所有计算的原始输入。

2. Softmax归一化

原始分数通过带温度的softmax转换为概率。温度控制探索与利用的平衡：温度越低越确定，温度越高越具探索性。在自测中温度为0.5。

温度参数的作用机制：softmax 函数将一组实数分数转换为概率分布，公式为 P(i) = exp(s_i / T) / Σ_j exp(s_j / T)，其中 T 即温度。当 T→0 时，分布退化为 one-hot 形式，最大值项概率趋近 1，决策完全确定；当 T 增大时，各选项概率趋于均匀，探索性增强。ADE 取 T=0.5，相当于对原始启发式分数做一次温和的锐化——既保留了分数的相对排序，又为置信度估计留出了有意义的梯度空间。值得注意的是，softmax 在此并非装饰性步骤：它输出的概率分布是下游 margin 计算与规则评估的必需输入。在 O 方块只有单一合法落点的极端情况下，softmax 退化为退化分布（概率全部分配给唯一选项），margin 自然为 1.0，这不是引擎的“过度自信”，而是数学上的必然结果。理解这一点有助于正确解读 ADE 的置信度指标。

3. Argmax选择

从归一化概率中选出最高权重对应的选项，即最终决策动作。

4. Margin计算

置信度由top-1与top-2的概率差衡量。margin=1.0意味着最优选项压倒性领先；margin≈0意味着多个选项分数接近，是一次“艰难决策”。这一指标是ADE判断自身不确定性的核心信号。

5. 规则评估

规则根据margin阈值与棋盘状态触发，包括：margin门控（低于阈值标记为不确定）、安全性（拒绝制造空洞或超过高度上限的落点）、稳定性（偏好形成平坦表面的落点）。

margin 门控与不确定性的量化：margin 是 softmax 概率分布中 top-1 与 top-2 的差值，取值区间为 [0, 1]。当 margin 接近 1 时，说明最优选项的概率远高于次优选项，决策几乎无歧义；当 margin 趋近 0 时，top-1 与 top-2 概率相当，决策处于“两难”状态。ADE 将 margin < 0.3 设为不确定标记阈值，margin < 0.1 触发 VPU 并行探索。这种分级设计的意义在于：系统不再对所有决策一视同仁，而是根据自身把握程度动态分配计算资源。在实测数据中，O 方块 margin=1.0（单落点退化分布）与 J 方块 margin 极低（多选项分数接近）形成鲜明对比，说明 margin 确实捕捉到了决策难度的差异，而非简单的分数绝对值波动。

实测基准结果

ADE的自测输出显示了10次连续决策的实际记录。关键指标如下：

指标	数值
平均延迟	0.18 ms/决策
延迟范围	0.07–0.29 ms
平均置信度	0.533
平均margin	0.275
触发规则数	1–2条/决策
margin下限	0.3

数据本身揭示了几个有意思的现象。O方块在两次决策中置信度=1.0、margin=1.0，并非引擎“自信”，而是该棋盘状态下O方块只有一个合法落点，softmax退化为退化分布。J和I方块则出现低置信度（0.078、0.107），说明多个选项分数接近，属于真正困难的判断。

这种区分能力正是可解释性的价值所在：系统不仅给出答案，还标注自己对答案的把握程度。

降级模式与VPU协同

ADE在设计上考虑了容错。当完整引擎不可用（路径错误或依赖缺失）时，代理会降级到纯启发式模式——公式链相同、决策结构相同，只是缺少ADE引擎的高级评分，API接口完全一致。

在不确定性高时（margin < 0.1），ADE可以调用VPU（向量处理单元）进行高维并行探索。这形成两层决策系统：ADE负责快速、确定、可审计（0.18 ms/决策），VPU负责慢速、并行、探索性推理（0.32 ms/步，3000+ FPS）。VPU返回基于熵的收敛指标，熵越低表示越收敛于某个策略。

VPU 的熵收敛指标：VPU（Vector Processing Unit）在此指代一种向量化并行计算单元，能够在高维空间中同时评估大量候选策略。ADE 调用 VPU 时，VPU 返回的“熵”是信息论意义上的香农熵 H = -Σ p_i log p_i，衡量策略分布的不确定性程度。熵越低，说明 VPU 在高维探索中越收敛于某个策略簇；熵越高，则策略空间仍然分散。ADE 的常规模式（softmax + argmax）本质上是单步贪心选择，而 VPU 模式则类似对策略空间做一次并行“扫描”，用熵作为收敛信号决定是否采纳其建议。两层架构的分工逻辑是：ADE 处理 90% 以上的常规决策（0.18 ms/次），仅在 margin 极低时才动用 VPU 的并行算力（0.32 ms/步），实现性能与探索深度的动态平衡。

超越俄罗斯方块：可审计决策的通用模式

ADE的公式可追溯模式适用于任何需要知道“为什么”的决策系统。原文给出三个落地方向：

• 自动驾驶：传感器数据 → 障碍物检测 → 路径评分 → softmax → 路线选择，审计轨迹用于监管合规
• 金融交易：市场数据 → 信号评分 → softmax → 仓位规模 → margin检查，审计轨迹同样服务监管合规
• 医疗诊断：患者数据 → 检测结果 → 诊断评分 → softmax → 治疗方案选择，审计轨迹用于医疗事故保险

三个场景共享同一模式：评分 → 归一化 → 选择 → 衡量置信度 → 审计。这种抽象使得ADE不只是一种游戏AI技巧，而是一种可迁移的决策架构。

代码结构与运行方式

项目结构清晰：ade_agent.py（528行）包含 ADEDecision、BoardEvaluation 和 ADEAgent；tetris_core.py（283行）包含游戏逻辑与启发式评分；daemon/new_version/ade/ 是外部ADE引擎依赖，提供 AetherEngine 类与 DecisionContext 类型。

运行自测只需 python ade_agent.py。集成到项目中时，可以创建 TetrisGame(seed=42) 与 ADEAgent(temperature=0.5)，在循环中调用 agent.decide_placement()，并访问 decision.formula_chain、decision.rules_fired 等字段获取完整审计信息。项目采用MIT许可，代码托管在 github.com/logout2login。

关键结论

ADE用实测数据证明：可审计性与性能并不矛盾。0.18 ms的平均延迟足以支撑实时游戏，五段公式链为每一次落块提供完整审计轨迹。对于任何需要解释“为什么”的AI决策系统，这套“评分 → 归一化 → 选择 → 置信度 → 审计”的模式都值得参考。