集智AI学园的同学们大家早上好呀~
猜一猜，
本周，我们的siraj宝宝会为大家带来什么惊喜呢！
先卖个关子，
偷偷告诉大家~
今天的视频，是和游戏有关的~
Stop？！游戏！
今天不学习了吗？
当然不是！
人类企图让工程师们创造智能机器（如AI）
从而让机器们代替人类工作
这样，
我们大家就可以吃饭、睡觉、打游戏啦~~
然而事实是：
工程师们在忙着教机器怎么玩游戏！！
今天我们就学习一下，
设计一款会玩游戏的AI
以后就可以让机器替你玩游戏了！！
比开挂爽多了
是不是很酷！
那么，有的同学要说了，这个我们知道，游戏作为AI的测试平台已经有很长的历史了。没有错！但是在深度学习技术出现之前，工程师们总是采用“还原论”的方法，对游戏世界进行建模。然而通过这种方式实现的AI，只能在这个建模的世界里活动， 换个游戏，又要对游戏世界重新建模，基本上没有什么通用性。
所以，
要编写的是游戏的思维方式，而不是游戏本身
。
这就是
“
通用人工智能（AGI）
”
的思想了。AGI正是想要用一种思维水平与人类相同，甚至超过人类的算法来解决任何问题。
在AGI领域探索的最远的要属大名鼎鼎的DeepMind公司，DeepMind创建了声名显赫的
AlphaGo以及Master
，但是她们只会下围棋，所以也还不能算是AGI。
这次我们要讲的是
DeepMind
在2015年就
已经
实现的
AGI，
“深度Q学习算法”
(Deep Q Learner)。
这个算法可以在不作任何特殊调整的情况下，掌握49款不同的雅达利游戏。
那么，她是怎么做的哪？
首先她要看懂游戏，
她采用卷积神经网络（CNN）来分析处理图像。与一般神经网络采用的“多层神经元全连接”的方式不同，CNN仅用三层神经元，分别代表图片的三个维度，使神经元仅与它附近区域的神经元连接。然后CNN再采用分层次抽象化的识别方式，比如，首先在第一层进行边缘检测，在第二层进行形状检测，在第三层探测更复杂的特性，如游戏中的自己和敌人。这样，AI就算看懂了游戏。
虽然她看懂了游戏，
但是她必须要对游戏做出反应
