魚陽發(fā)源于凹陷的秘史。

量子比特報(bào)告|公眾號(hào)QbitAI

如果讓AI玩《2048》這樣的游戲，會(huì)是怎么樣的畫面？

現(xiàn)在，有些人開始用強(qiáng)化學(xué)習(xí)的方法來實(shí)踐。

于是，插上DQN的翅膀，AI從零起步，自己琢磨出了《2048》的玩法：

一起手，是不是就有內(nèi)味了？

這操作，條理清晰到令人感到舒適?！?000，no；1024，yes”的強(qiáng)迫癥們不禁紛紛點(diǎn)贊，給這只AI貢獻(xiàn)了800+ reddit熱度。

用DQN玩《2048》

調(diào)教出這只會(huì)玩《2048》的AI的，是一位巴西老哥Felipe Marcelino。目前正在米納斯吉拉斯聯(lián)邦大學(xué)攻讀CS碩士。

首先，他采用OpenAI Gym構(gòu)建了自定義強(qiáng)化學(xué)習(xí)環(huán)境。

其中包括兩種2048棋盤表示方式：

• 二進(jìn)制——使用二次冪矩陣表示棋盤中的每一塊區(qū)域
• 非二進(jìn)制——原始數(shù)字矩陣

模型包含兩種類型的神經(jīng)網(wǎng)絡(luò)：CNN和MLP（多層感知機(jī)）。

據(jù)Felipe介紹，與MLP相比，以CNN作為特征提取器的智能體表現(xiàn)得更好。

訓(xùn)完之后，老哥測(cè)試了一下，在1000把游戲中，AI有100次達(dá)到了2048。

玩《2048》的AI們

目前，這只用DQN訓(xùn)練出的AI玩到2048就打住了。

不過，巴西老哥拋磚，又吸引了不少來獻(xiàn)玉的盆友。

比如，同樣采用強(qiáng)化學(xué)習(xí)方法，將時(shí)序差分學(xué)習(xí)和最大期望搜索相結(jié)合的2048控制器。

在10步/秒的策略下，它最高能湊出32768。

而在追求高分的路上，有一位來自日本的選手表現(xiàn)亮眼。

依靠7個(gè)卷積層的深度卷積網(wǎng)絡(luò)，這只在《2048》這個(gè)游戲中最高拿到了401912分。

正如一位網(wǎng)友所說：這正是一個(gè)足夠有趣，又不太復(fù)雜的強(qiáng)化學(xué)習(xí)案例。

如果你是剛剛開始學(xué)習(xí)強(qiáng)化學(xué)習(xí)，也不妨拿這個(gè)小項(xiàng)目練練手~

參考鏈接

《2048》相關(guān)開源項(xiàng)目：

相關(guān)論文：

— 完 —

量子位 QbitAI · 頭條號(hào)簽約

關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)