如何丝滑地入门神经网络？写个AI赛车游戏，只训练4代就能安全驾驶

车栗子 发自 凹非寺 量子位 出品 | 公众号 QbitAI

△ 训练前

要了解机器学习、了解神经网络，一种非常有趣的方式，就是找个小游戏，自己实现一下。

游戏里的每一位AI玩家 (智能体) ，都是一个小小的神经网络。

一开始，它们什么都不懂，刚开局就GG。但有了进化算法 (Evolution) ，AI可以在一代一代更迭中，掌握强大的游戏技能。

△ 成效显著

比如，在这个赛车游戏里，萌新车手跑出去不久便撞上了马路牙子。不过，用不了几代进化，就有AI车手可以毫发无损地跑完一周。

进化的赛车手

AI赛车手如何快速炼成？

首先，要有一个庞大的车队。

赛车AI的开发者，是一位叫做Johan Eliasson的程序猿。他的训练计划里，有650辆车同时训练。

第二，AI开车需要一些空间信息。

这5条黄线代表5个距离，指示离马路牙子还有多远；

除此之外，AI还需要知道自己当前的速率，以及方向。

这样算来，神经网络一共会接受7个输入。

第三，就是让神经网络不断进化。

输入七个值，处理一下，输出两个值：

一个代表方向盘，按照数值大小，分为左转、右转、方向不变三种操作； 一个代表油门/刹车，按照数值大小，分成加速、减速、速率不变三种操作。

最开始，谁不知道游戏规则，输出值很随机。

△ 第一代，死得快

650辆车冲出去没多久，路边就出现了大批车辆的尸体。

但重要的是，依然有硕果仅存的汽车，不止通过了第一次的右转考验，也机智地发现下一处弯道应该猛烈左转。

虽然，它并没有成功掉头，但依然是下一代的希望：进化算法就是要在每一代里，选出最优秀的一只或者几只智能体，繁育出色的后代。

(这里，程序猿没有找到一种很好的方法，让系统自动选择出优质的个体，于是就手动马克了，反正也没有训练很多代。)

所以，第二代的650辆车，全是这一只智能体的子嗣，各自有些轻微的变异：神经网络的权重发生小小的变化。

变异是为了保持车队的多样性，期待从中生产出更加优秀的个体，繁育下一代。

△ 第二代，马克三只

由于继承了优良传统，第二代汽车大部分都完成了第一次右转，还有一小部分掉头成功。

这一次，把冲到最前面的3辆车马克一下，它们差一点就能达成两次连续掉头的S形操作。

既然，第三代的父母有3位，那么繁育过程中除了变异之外，还涉及杂交：就是把不同的神经网络揉到一起：

第三代的表现更加精进，有的智能体完成了多次连续转弯，胜利在望。

第四代，便有智能体跑完一周，值得纪念：

程序猿说：这效果比想象的好多了，之前我还有点怀疑，现在只能说机器学习好厉害。

第四代车队中的佼佼者，已经不太撞到路肩，只是速度还很慢，就像一大波僵尸。

车队的主人表示，后面的主要任务就是训练速度。毕竟，这是赛车。

到了第十代，速度已经有了明显的提升，不过依然不算快：

△ 第十代

不知训练了多少代，现在把每一代的优质选手放在一起跑。你看，好快：

△ 这才是赛车

成果斐然之余，程序猿还请大家注意一个重点：

AI不知道自己在开车，不知道有跑道。它只接收七个输入的数值，不了解它们代表什么意思，也不知道自己输出的每一个决策，产生了怎样的效果。

就算这样，它还是学会了怎样在游戏世界里更好地生存。

不想开车？还有其他游戏

虽然，赛车游戏的视频，没有讲到程序猿用了怎样简单的神经网络。不过，可以通过另一个简单的游戏，来感受一下：

Flappy Bird

这个HTML 5实现， 也是进化算法和神经网络共同的结晶。而且开源了。

它的作者ssusnic说，神经网络部分，用的是突触神经网络 (Synaptic Neural Network) 库。

没有650辆车那么多，种群里只有10只小鸟。每一只，都是一个三层的神经网络：

输入层：两个神经元 隐藏层：六个神经元 输出层：一个神经元

输入两个值，代表小鸟当前距离下一个障碍物的相对位置，分成水平距离 (x) 和竖直距离 (y) 。

经过隐藏层的处理，输出一个0-1之间的数值，决定下一步要不要扇翅膀：

如果大于0.5，就扇翅膀，反之就不操作。

△ 第一代

第一代的小鸟，都是随机神经网络 (Random Neural Networks) ，集体见光死。

全部阵亡之后，要选出四只最优质的小鸟去繁殖。问题来了，肉眼看去相差无几，要选哪几只？

并不需要手动选择，而是用一个适应度函数 (Fitness Function) ：

适应度 = 小鸟存活的最远距离 - 小鸟到下一个障碍物的距离

△ 这里，讨论水平距离

适应度分数排名前四的小鸟，按下面的规则繁殖10个后代：

· 前两名，杂交出一个后代 · 4只中随机选两只，杂交出三个后代 · 4只中随机选两只，分别直接复制，生成两个 (和上代一样的) 后代 · 给每个后代加入一些变异

就这样，来到第11代，已经有小鸟飞出很远且毫发无伤：

第23代，完全碾压，可以换个游戏了：

吃豆豆

当然，不是所有游戏都像小鸟扇翅膀这样简单。

吃豆人 (Pacman) 就是个更复杂的栗子。比如，前面要躲避的障碍物都是静止的，Pacman的敌人是移动的，穷追不舍。

重点是，为了抓到Pacman，四个敌人还有各自不同的运动规则：

红色鬼，直接瞄准Pacman的位置进发； 粉色鬼，瞄准Pacman前方的第四格； 蓝色鬼，利用Pacman和红色鬼的位置来搞伏击； 橙色鬼，原本和红色鬼一样，但当它和Pacman的距离近到8格以内，就会朝一个角落退缩，那是它出发的地方。

并且，Pacman吃到无敌大豆豆的时候，敌人还会从追击模式转成逃跑模式。

复杂的游戏，自然也需要更加精密的算法，来帮智能体进化。

名叫Code Bullet的程序猿，就用了一种叫做NEAT的神经进化算法。

这种方法很特别，神经网络在迭代过程中，不止权重会变化，网络结构也会变复杂。

而网络结构越复杂，就可以支持越复杂的行为，让Pacman在险恶的世界里存活。

虽有强大的算法，训练还是要由浅入深。

先不加无敌大豆豆，也不加敌人，给AI一个简单的世界。

这样它就能吃光所有豆豆？不存在的。

第一代最优秀的智能体，也只会右转不会左转，还把自己困在一处，永远走不出去。

第二代，有的选手学会了左转，但依然会困住。

……

第十八代，眼看快要吃光豆豆，AI还是困死了自己。

在平静中训练20代之后，趁AI不注意把敌人放出来，又要从手忙脚乱开始重新适应：

不过好在，智能体学以很快便学会了躲避敌人：

又过了40代，是时候加入无敌大豆豆了。

这一层防护令AI如有神助，就像在经历了40代卧薪尝胆之后，开启了复仇模式，疯狂追击。

终于，有智能体在第七十三代通关成功：

视频的画外音里，程序猿的声音都激昂了起来，这场战役的胜利他期待已久。

除了发表获奖感言，谢过各路亲友的支持，他也没忘在GitHub上分享代码 (传送门见文底) 。

动手吧，少年

同学，你也去搭个神经网络打游戏吧，呆萌的游戏也能打出热血的气质。

以后，神经网络可能就是你女朋友了。

(友情提示：虽然赛车游戏没有开源代码，但OpenAI Gym里面有赛车场，也可以去试试。)

赛车游戏视频传送门： https://www.youtube.com/watch?v=wL7tSgUpy8w

OpenAI Gym赛车场： https://gym.openai.com/envs/CarRacing-v0/

Flappy Bird代码传送门： https://github.com/ssusnic/Machine-Learning-Flappy-Bird

Pacman代码传送门： https://github.com/Code-Bullet/PacNeat (NEAT算法) https://github.com/Code-Bullet/PacmanGame (搭建游戏环境)

— 完 —