你的游戏队友，可能不是小哥哥，也不是小姐姐，而是计算机！

别再自己玩游戏了，让我们教计算机自己玩游戏！

这篇文章与大家分享“强化学习”，英文名叫做“Reinforcement Learning”。这是一个有趣的机器学习算法，去年在国际围棋界大显身手、战胜世界冠军的AlphaGo以及其进化版AlphaGo zero的关键技术就是强化学习。它还被用于玩电脑游戏，比如Dota2、英雄联盟、Flappy bird，还有各种小游戏。

AlphaGo VS 柯洁

AI玩Pingpong游戏

强化学习是我们的课程安排之一，作为实验教学，课程中我们教给同学们如何让电脑自己玩贪吃蛇游戏。

正式介绍强化学习前我们先科普一下人工智能和智能算法的关系，看图

AI知识图谱

人工智能是一个非常大的概念，机器学习（Machine Learning）算法是人工智能的主要技术之一，而且是现在应用最广泛的也是机器学习算法, 深度学习(Deep Learning)或深度神经网络(Deep Neural Networks)属于机器学习，所以现在人们一般有下面的认识：

AI-ML-DL

传统上，机器学习算法一般可以分为有监督学习和无监督学习，二者各有长短。监督学习认为人要把自己的经验教给机器。拿分辨猫猫和狗狗的 AI 来说，你需要准备几千张照片，然后手把手教机器——哪张照片是猫，哪张照片是狗。机器会从中学习到分辨猫狗的细节，从毛发到眼睛到耳朵，然后举一反三得去判断一张它从没见过的照片是猫猫还是狗狗。

而无监督学习认为机器要去自己摸索，自己发现规律。人的经验或许能帮助机器掌握智能，但或许人的经验是有缺陷的，不如让机器自己发现新的，更好的规律。人的经验就放一边吧。

强化学习是无监督学习的一种。强化学习是一种模仿人类学习方式的模型，它的基本想法是：要是机器得到了好的结果就能得到奖励，要是得到差的结果就得到惩罚。

举个例子，训练一只汪星人听懂人的命令。开始主人对小汪下了“坐下”的指令，可小汪不知道什么意思，摇了摇尾巴；然后主人又下了一次“坐下”的指令，小汪还是听不懂啊，又摇了摇尾巴，主人生气了，踢了小汪一脚；第三次，主人又对小汪下了“坐下”的命令，小汪也着急了，急得一屁股坐在了地上。哈哈，然而主人很高兴，小汪能听懂了，于是赏了小汪一根骨头。小汪啃着骨头也恍然大悟了，主人说“坐下”的时候，自己坐下就会有骨头吃，于是小汪就听懂这个命令了。

我们来抽象一下上边的例子就是强化学习了。强化学习有四个要素：

状态（States）：例如小汪目前的状态，是坐着，趴着，或是站着

动作（Actions）：在每个状态下，有什么行动是容许的。例如小狗目前是趴着的，现在能采取的动作有：站起来，坐起来或继续趴着。

奖励（Rewards）：采取某个动作后，能带来的正面或负面的价值，也就是奖励或惩罚。例如小汪听到“坐下”的命令，坐下了，主人就奖励它一跟骨头，否则惩罚它踢一脚。

方案（Policy）：每个状态下，该采取什么样的行动。比如小汪听到“坐下”命令后，该怎么行动。

实际的应用场景中，并不像训练小汪那么容易，有如下的难点：

状态很多，比如游戏中角色在的每一个位置都是一个状态，同一位置因其周围的环境变化也是多个状态。

动作多样，比如游戏中的角色，可以向前后左右各个方向移动，也可以释放各种技能。

奖励延迟，当角色采取一个行动后，并不能马上给它反馈—奖励或惩罚，往往需要很久之后，角色死亡或胜利了，才能反过头来给它反馈。

有问题就有解决方法，强化学习里都有解法，同学们有没有做好准备来学习强化学习算法呢？同学们可以思考一下，如果是贪吃啥游戏，状态和动作都有哪些？