今年上半年，AlphaGo成功挑戰(zhàn)職業(yè)圍棋九段選手李世乭，讓人工智能大放光彩。但相比起十分需要運(yùn)算和推測(cè)的棋類游戲，人工智能一直在電子游戲中多次吃虧。之前AlphaGo也提出要在《星際爭(zhēng)霸2》中戰(zhàn)勝職業(yè)選手，但暴雪CEO表示不太可能。這是因?yàn)殡娮佑螒虻淖杂啥确浅８撸〉脛倮姆绞揭灿泻芏喾N，人工智能往往摸不著頭腦，甚至有時(shí)直接發(fā)呆。

（圖片來(lái)源于：Google）

為了扭轉(zhuǎn)這個(gè)劣勢(shì)，DeepMind其實(shí)早在前年已經(jīng)開(kāi)始著手研究，并且在頂級(jí)科研雜志Nature（自然）上發(fā)布了有關(guān)AI Deep Q-Network（人工智能深度網(wǎng)絡(luò)，簡(jiǎn)稱DQN）的論文。這個(gè)名為DQN的人工智能，可以自主學(xué)習(xí)游戲規(guī)則，在事先沒(méi)有給予任何有關(guān)游戲的情報(bào)下，能夠通過(guò)不斷玩游戲來(lái)提高自己的成績(jī)。

DeepMind在YouTube上發(fā)布了相關(guān)的視頻介紹，其中也有我們小時(shí)候經(jīng)常玩的接球游戲。在剛開(kāi)始接觸這款游戲的時(shí)候，DQN的成績(jī)十分糟糕，接幾次就繼續(xù)不下去了。

（圖片來(lái)源于：Google）

但是經(jīng)過(guò)600多次的“訓(xùn)練”后，奇跡發(fā)生了，DQN不僅可以流暢操作，而且還充分利用游戲的小技巧，進(jìn)行更加高級(jí)的游戲玩法，可謂進(jìn)步十分明顯。而這些進(jìn)步，都是DQN自己總結(jié)并加以運(yùn)用，期間沒(méi)有人類干涉過(guò)。

（圖片來(lái)源于：Google）

據(jù)DeepMind的官方說(shuō)法，能讓DQN學(xué)會(huì)玩電子游戲的關(guān)鍵算法名為“異步評(píng)價(jià)器算法”（Asynchronous Advantage Actor-Critic）簡(jiǎn)稱A3C。簡(jiǎn)單點(diǎn)來(lái)說(shuō)，這個(gè)算法可以讓DQN自行判斷游戲界面的情況，并通過(guò)“大型分布式深度強(qiáng)化學(xué)習(xí)系統(tǒng)”學(xué)習(xí)游戲的玩法和規(guī)則。最后就是通過(guò)不斷訓(xùn)練和學(xué)習(xí)來(lái)提高運(yùn)算水平，從而達(dá)到“玩好游戲”的地步。

（圖片來(lái)源于：Google）