吾看书

ai的“试错神功”：强化学习到底是怎么回事？（第2页）

AI刚接触贪吃蛇时，就是个纯粹的“菜鸟”，对游戏规则一无所知。它的操作全是随机的：可能按上键让蛇头往上冲，也可能按左键让蛇头往左拐。这时候的AI，完全是“听天由命”：

- 运气好的时候，乱按刚好朝着食物方向，吃到食物得了正奖励，AI就会默默记下“刚才在这个位置按这个方向，有好处”；

- 运气差的时候，直接撞墙或者撞到自己的身体，游戏结束得了负奖励，AI也会记住“这个位置按这个方向，要完蛋”。

这个阶段的AI，就像刚接触游戏的小朋友，十分钟能撞墙八次，通关根本想都不敢想。但千万别嫌它笨，这些“失败的尝试”都是它的“学习素材”，每一次撞墙、每一次碰巧吃到食物，都在为它后来的“封神”打基础。

2. 进阶期：总结规律，少走弯路

随着尝试次数增多（可能是几千次、几万次），AI开始慢慢“开窍”，从一堆混乱的操作和反馈里总结规律。它会发现：

- 朝着食物的方向移动，大概率能得到正奖励；

- 朝着边界或者自己身体的方向移动，大概率会得到负奖励。

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！

于是，AI开始调整策略，不再乱按方向键，而是优先选择“向食物移动”。这时候的它，已经能稳定吃到几个食物了，但偶尔还是会“翻车”——比如蛇身变长后，光顾着追食物，忘了绕开自己的身体，结果撞上去游戏结束。

这就像咱们玩贪吃蛇的中期阶段，知道要追着食物跑，但还没掌握“控蛇”的技巧，蛇长一点就手忙脚乱。AI也一样，这时候它正在积累“应对复杂情况”的经验，每一次因为蛇身过长而失败的经历，都会让它记住“蛇变长后要留出路”。

3. 大神期：精准操作，几乎从不翻车

当尝试次数达到几十万次甚至更多时，AI就彻底“封神”了。它不仅能熟练掌握“追食物、躲边界”的基础操作，还能应对各种复杂场景：

- 蛇身绕成一团时，能精准找到空隙穿梭；

- 食物刷在刁钻位置时，能规划最优路线，既吃到食物又不把自己逼入死胡同；

- 甚至能“预判”风险，提前绕开可能让自己陷入困境的位置。

这时候的AI，玩贪吃蛇几乎能做到“百发百中”，每一个食物都能吃到，蛇身能无限变长，比绝大多数人类玩家都厉害。为啥？因为人类玩几十次可能就腻了，但AI能不知疲倦地“试错”几十万次，把所有可能的情况都摸透，总结出最优的操作策略。

四、不止玩游戏：强化学习在现实中能干嘛？