视频教程【第5期】10行Python，搭建一个游戏人工智能

程序员想转型AI却迟迟无法开始？也许你需要一种更加有趣的学习方式。

Siraj Raval是一位人工智能领域的编程高手，毕业于哥伦比亚大学，曾任职于 Twilio 和 Meetup。一年以来，他通过制作AI教程类短视频的方式在Youtube上积累了大量的粉丝，视频内容包含：如何搭建神经网络、聊天机器人、AI游戏、AI作曲家、递归神经网络、无人驾驶汽车等在内的大量实用的案例，更加令人钦佩的是，这些视频长度大多都在10分钟以内，实在是快速上手AI的一条捷径。

为了使更多的中国开发者看到这些有用的视频，AI科技大本营已经联系到Siraj Raval，并获得了翻译其系列视频的授权，我们将在每周一、三、五定期更新，欢迎大家持续关注！

从著名的碰撞球开始，人工智能在游戏中的使用已经有很长的历史了。传统模式的AI是通过还原论来进行搭建的，他们将游戏世界简化为一个模型，并给予AI相应的知识，大部分情况下它们就是可用的了。

但是如果我们想搭建一个可以兼容多种不同游戏的AI呢？不同游戏的世界模型都不一样，所以我们不能只针对其中一个游戏来设计模型。因此对游戏世界建模是不可行的，我们需要对思想建模。要想搭建一个玩什么游戏都能精通的AI，我们应该先问问自己，如何最炫酷的完成这个目标？

DeepMind在2015年就已经做了这件事，他们的目标是创建一个通用人工智能。这个人工智能算法可以解决在人类思维层面的任何问题，甚至做得比人类更好。他们的研究到了一个重要的里程碑阶段，人工智能可以在没有获得游戏内超参数的情况下打赢49种不同的Atari游戏。Google一气呵成的解决了这个问题，这个算法叫做Deep Q-Learning，并且已经在Github上开源了，它只需要两个输入：游戏的原生像素与游戏分数，仅此而已。游戏目标很明确，最大化分数。

今天的这个视频中 Siraj Raval 会介绍谷歌是如何做到的，以及如何利用Python搭建一个自己的游戏机器人。

来跟着Siraj Raval一起开始吧……

代码链接 https://github.com/llSourcell/Game-AI