現在，你很可能已經聽說過機械人玩遊戲的水平超過人類了吧。這些機械人的一種設計方法是給它們明確地程式設計，設定一組輸入和一組輸出之間的對應關係；或者也可以讓它們自主學習、進化，它們就可以對同樣的輸入做出不同的反應，以期找到最優的對策。
一些聞名遐邇的機械人有：
alphazero：它是乙個象棋機械人，經過 24 個小時的訓練成為了世界最佳棋手。
alphago：它是乙個圍棋機械人，因打敗世界級棋手李世石和柯潔而聞名世界。
mari/o：它是乙個超級馬里奧機械人，可以自學快速通過任意馬里奧關卡。
「馬里奧」和「口袋妖怪」之間存在的三個關鍵差異點，可用來解釋其原因：
第一，目標的數量
第二，分支乘數
第三，區域性優化 vs 全域性優化
下面，讓我們就這三個因素來比較這兩款遊戲吧。
目標的數量
機器學習的方式是通過優化某種目標函式。無論是將（增強學習和遺傳演算法中的）反饋函式或者適應度函式最大化，還是將（監督學習中的）價值函式最小化，它的目標都是相似的：盡可能獲得最佳成績。
「馬里奧」有乙個目標：到達最後的關卡。簡單來說，就是你在死之前到達的地方越遠，你就玩得越棒。這是你唯一的目標函式，並且你的模型能力可以直接用這一數值來評估。
這就引導我們進入到下乙個論題。
分支乘數
簡單來說，這個分支因子就是你在任意一步，能夠做多少個選擇。在象棋中，平均的分支乘數是 35；在圍棋中，分支乘數是 250。對於之後每增加的一步，你有（分支乘數^步數）個選擇來進行評估。
在「馬里奧」中，你或者向左走、向右走、跳躍，或者啥也不做。機器需要評估的選擇數量少，而且這個分支乘數越小，機械人通過計算能夠**到的未來就越遠。
區域性優化 vs 全域性優化
區域性優化和全域性優化可被看作兼有空間和時間上的意義。短期的目標和當前的地理區域被視為區域性的，而長期目標和相對較大的區域例如城市甚至整個地圖，被視為全域性的。
將每一次移動分解成它的構成部分，會是將口袋妖怪問題分解成乙個個小問題的方法。優化區域性以實現從乙個區域的點 a 到點 b 是簡單的，但是決定哪個目的地是最佳的點 b，是乙個更難得多的問題。在這裡，貪婪演算法就失效了，因為區域性優化的決策步驟並不一定帶來全域性最優。
最後一件事
從機械人角度，「口袋妖怪」不僅僅是乙個遊戲。機械人都是單一任務的專家，而當遇到乙個想要對戰的 npc 時，乙個幫助你在地圖中到處移動的機械人將無能為力。對它們而言，這是兩個完全不一樣的任務。
目前為止，對於打造了在遊戲中比我們的表現更好的機械人這一現實，我們應該感到欣慰。現在，這些遊戲雖然涉及到了複雜的數學，但是其目標是簡單的。隨著 ai 的發展進步，我們將創造出這樣的機器：它們能完全通過自己對複雜優化問題的學習，解決影響力日益增強的現實世界問題。請放心，還有一些事情是機器尚未打敗人類的，其中就包括我們的童年遊戲——至少現在是這樣。
長翅膀的馬里奧
文科大三體驗工科研究生，想都不敢想 一 二零二零這一年感覺誰也挺不容易的，我也是換了一種形式沉澱了下來很多，摸索出適合自己的一套系統學習方法。二 最近一兩個月，除了要正常本科安排的培養課程，我還加入了一位教授的大資料開發專案團隊。在文科專業中能有工科的實驗專案機會去鍛鍊實屬難得，這也符合我自身向文工...
位元組跳動演算法題 馬里奧跳躍
思路 動態規劃 n 7 p 0 maxdis 10,0,2,1,1,0,1 maxdis 2,0,1,1,1,1,1 maxdis 5,0,5,1,1,1,1 dp i 代表當前點到終點的最小跳躍次數 dp 0 for i in range 0,len maxdis for i in range l...
玩NDS的超級馬里奧感想！！
超級馬里奧 這個遊戲相信大家都非常熟悉，不用多介紹了吧！記得小的時候為之瘋狂 2007年的2月，再次在nds上玩到 現在玩遊戲的意義跟以前大大不同，以前好玩的遊戲就會玩，享受過程 現在玩遊戲就辛苦了，好玩不好玩似乎沒那麼重要了，當然還會盡量選擇好玩的遊戲，遊戲過程中還要思考究竟這是如何實現的？這個功...