把超级马里奥玩成下面这样，算什么水平？
能流畅的行走在妖魔鬼怪之间
能掐准食人花出现的时机
能灵巧的躲过烧火棍
能克服各种变态的地形
从1-1到7-1，只要一条命，就能全部通过，而且操作几乎没有迟疑，如行云流水一般。
别人玩得这么溜，你是不是只能被小乌龟、喷子弹的小怪物、上上下下的地形虐？
不过，这个玩游戏的不是人，是一只通过深度强化学习算法实现的AI。
异步优势演员评论家算法
这个算法已经开源，是2016年的论文《Asynchronous Methods for Deep Reinforcement Learning》中提到的算法的实现。
异步一步Q-Learning：每个线程与自己的环境副本交互，在每一步中计算，用共享的渐变目标网络Q-Learning损失的梯度，就像DQN训练模型一样。
异步多步Q-Learning：在正视图中通过明确的计算多步返回来运行，因为基于动量的方法反向传播来训练神经网络时，用正视图更容易一些。
异步优势演员评论家算法：这是超级马里奥AI的核心。智能体中的两个部分，分别扮演演员和评论家，负责创造和监督。
和前面的异步多步Q-Learning一样，演员和评论家在正视图中运行，用相同的多步返回组合来更新策略和价值函数。
演员就像一个小孩子一样，会探索世界，做各种事情。
评论家则类似于前面小演员的爸爸妈妈，负责监督演员的举动，赞扬他做的好的地方，批评他做的不好的地方，告诉自己孩子：你和其他演员（别人家的孩子）差在哪儿了。
因此，演员希望一直能获得爸妈的赞扬，获得积极的反馈，就会根据爸妈的赞扬和批评不断修正自己的行为。
而对于异步优势演员评论家算法而言，则是为小演员提供了一所“学校”。如果小演员只在家里学习，可能学到的东西更片面，而且学习速度也比较慢。在异步优势演员评论家算法这所学校里，有“老师”和“同学”能让演员更快的学习，学到正确的知识。
游戏达人Viet Nguyen
最后，公布这个算法实现的是GitHub用户Viet Nguyen。
他是一名AI和机器人方向的硕士，毕业于慕尼黑工业大学，主要研究自然语言处理和计算机视觉。
现在，他是德国手游公司Popcore的一名数据科学家。除了超级马里奥，他还研究过用Deep-Q-Learning训练AI玩Flappy Bird。
传送门
最后，这个项目已经开源了，发布者公布了代码和模型，针对超级马里奥的每一关都单独训练了模型，在RTX 2080上大概一关费了6~10个小时。
— 完 —
想要学习好人工智能那你先去就要具备现有的学习条件：
（1）有编程基础
（2）至少本科学习（因为面试要求）
（3）对高等数学，线性代数，解析几何等数学要有学习过。
现在很多的学员都在想自学，很自信的跟你说：现在人工智能方面的人才市场就很缺乏，那么对你学习有用的资料那就更少了。收集好大半的学习资料，到头来牛头不对马嘴，反而浪费时间。
个人的建议：
（1）现在人工智能天花板低，市场人才需求量大，正是你学习的最佳时期
（2）目前很多高校开设人工智能课程，再过几年毕业了那么竞争力就大了。
（3）算法工程师是没有中年危机这一说的，反而工作越久越值钱
（4）如果你看到了人工智能的发展，真的有想法往这方面那建议你去报一个系统的人工智能班学习。
有的人就说：报班学习都是上万元了。老师教人工智能课程那肯定也是薪资高的，只要能学完让你从事这个行业，能学到东西，这万把块钱还不及你半个月薪资呢。
但是有的人不缺钱，就是没有他满意的人工智能班。
每个人的需求点不一样，所以别人给你推荐的你不一定满意。
这些项目都是我导师规划好学习路线中的项目。
这些项目我们没有源码，只有带你一步步敲出项目的实力，有意向的可以微聊
网友评论