|
本帖最后由 刘景亚 于 2016-4-11 18:26 编辑 8 X8 l4 M/ u S1 ~# u+ R& E$ Z
?# l( m$ L9 j# v前段时间的人机围棋大战赚足了人们的眼球,Google公司的AlphaGO也使机器学习和深度学习让更多的人有了一定的了解,可谓做了一次很好的科技普及。
e) C0 G9 I D" T" a6 G) t- k$ j. u现在我们从简单问题入手,如何基于机器学习,通过自学习的方式让机器人学会玩“石头、剪刀、布”游戏?
9 }* Q4 Y4 O; @3 X不知大家有何建议?欢迎大家发言参加讨论。
: w0 L5 d; d! } \! W/ W*******************************************************************************************) Y! L# H+ }3 t" u. B, ?4 D
分割线以上为原贴
$ g" E1 n6 X; S% z4 O. Q8 R* p) l*******************************************************************************************
# g: O) {- A; P7 d非常感谢各位大侠的参与和讨论。: a, l" a; c) z Z1 a! ^! s' `' P
关于机器人玩“石头、剪子、布”游戏,我本打算分三个问题和步骤和大家一起探讨。看到讨论中,大家对这三个方面都有所涉及。
; y9 \3 P) s9 C/ v: d4 X下面我把我对这个问题的认识抛出来与大家交流分享。1 O @: b G4 {% @# B
要让一个机器人玩“石头、剪刀、布”,我们分三步走。
) s" Q: r% K6 ]0 v' u ?3 ~第一步,如何让机器人通过自学习的方式学会游戏规则?比如,一开始机器人并不知道石头、剪子和布,哪个赢哪个,要玩游戏首先得学会规则。当然要实现这一步,有比较简单的办法,最直接的是程序员编程时,直接定义这个规则,这是以前经常用的传统的方法。现在我们想通过一种新的方法来实现,让机器人像小孩一样,通过不断地实践、摸索和总结掌握这个规则,也就是自学习和机器学习。
& X& S/ t3 a1 ?6 C第二步,如何让机器人在掌握规则后大概率获胜?
+ c( B0 {/ X( q( Y1 ]* _第三步,能不能通过一种方法,使机器人在每局对战时100%获胜?2 Q* K6 N, G# M5 t8 Y
*****************************************************************************************( v% ?4 Q; X- Z: T1 ^! j
关于第一步,可以用如下方法实现:让机器人和人对战,在对战的实践过程中训练机器人,使其不断自学习以掌握规则。在对战,人始终随机出,机器人一开始并不知道规则,也随机出。赢了有奖励,输了有惩罚,随着对战次数的增多,机器人就会对出拳的种类形成“价值判断”。在训练过程中,机器人会反复判断,是随机出还是基于已经学到的部分知识。经过不断训练,机器人就会学会游戏规则。这个过程区别于以往的程序员直接定义,和人类的学习过程十分类似。2 ?; D- {6 a8 l! o o3 \
那么这个方法有没有效果,我们验证一下。! f1 z" W, T- A' r% l
下图是我与机器人玩25局的情况,注意这个机器人一开始并不知道游戏规则。我随机出拳,机器人一开始也随机出,赢了奖励,输了惩罚。大家会发现,从第11局开始,机器人就已经完全掌握了规则。+ G% `5 Y! W: T W
6 Q# y" W2 A; ^- M( f
J* K+ s, |- N3 A' D9 S& v. i0 T2 L. t) l7 `1 T: l
( { w8 f3 }) `' M
- m! u! k( T5 y- \8 N |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有帐号?注册会员
x
|