这是想象中最后的样子
DeepMind在13年发了一篇paper,叫做”Playing Atari with Deep Reinforcement Learning”,讲的是怎么教计算机玩atari游戏
OpenAI也花了很多精力在教计算机玩游戏,他们甚至搞了一个叫做gym和另一个叫做universe的开源平台,可以让每个人都用这个平台教计算机玩游戏,gym用来玩atari,flappy bird,贪食蛇这种小游戏,universe则用来玩GTA5,赛车这种大型3D游戏
当计算机把玩游戏的技能树点满之后,可以如何让这个世界变得更美好,一个真实的案例来自Google的数据中心能源节约。
Google有巨大的服务器集群,要让这些服务器集群高效稳定的工作,需要复杂的供电分配,散热调度等等,高额的电费自然少不了。 然而Google把这些复杂的资源分配问题,看作是一款策略游戏(用电分配大亨),然后让计算机去玩这个游戏
答案是,Google利用DeepMind的技术,在能源上,节约了15%的消耗。大概可以节省 19,812,750美元,还顺便保护了环境
但是,这两个项目都是用的Python语言
我们还是想使用MatLab来玩游戏,如果直接上手FC游戏需要获取画面,这个功能在前期完成
扫雷
时已经实现,通过
数字图像处理比如
获取游戏状态,传入
神经网络
后获得动作响应。这些前期知识都已准备好,但是实现游戏的操作还需要强化学习。
准备按以下几步在matlab当中慢慢来
1-实现gym的algorithmic中各项
2-操作algorithmic中各项
3-实现gym的toy_text游戏
4-操作toy_text游戏
5-实现gym的classic_control(利用simulink中的simmechanics)
6-操作classic_control
7-连接gym的Atari游戏
8-操作Atari游戏
永远相信美好的事情即将发生!