本發(fā)明提供了一種基于蒙特卡洛采樣的棋牌強(qiáng)化學(xué)習(xí)方法、系統(tǒng)及介質(zhì)，包括，獲取玩家的當(dāng)前狀態(tài)；確定玩家在所述當(dāng)前狀態(tài)下的多個(gè)預(yù)測(cè)動(dòng)作；對(duì)于所述多個(gè)預(yù)測(cè)動(dòng)作中的每一個(gè)：將所述當(dāng)前狀態(tài)和預(yù)測(cè)動(dòng)作輸入棋牌模型，模型輸出所述預(yù)測(cè)動(dòng)作對(duì)應(yīng)的第一評(píng)分，其中，所述棋牌模型通過(guò)基于蒙特卡洛采樣得到的訓(xùn)練樣本訓(xùn)練得到；將最大的第一評(píng)分所對(duì)應(yīng)的預(yù)測(cè)動(dòng)作作為玩家的當(dāng)前動(dòng)作,使得可以將模型的輸出變成1維，便于結(jié)果收斂。