我看了this
如何让AI学会从零玩游戏？一个小例子，让我们说人工智能去玩二十一点，打折所有分裂，卡片等等，人工智能可以击中或站立，它不知道它做什么直到当然它开始失去了比赛，它应该知道击球太多会让你输球，所以站得太早。我读到这个叫做强化学习。但我不知道如何实现它，使用什么模块等......
我应该从哪里开始？
我的最终目标是创造一种用户和人工智能游戏的游戏，而不是一对一游戏，而是自己对抗游戏机制[不合作]，并且都学会玩它。游戏每隔一段时间就会发生变化，新的机制会让游戏玩家和AI变得更加困难。 AI会通过玩游戏来学习，也可以通过观察玩家赢得输赢来学习。我不想让电脑学得太快，我想让两者都在同一个地面上......也许最终的水平就是玩家可以玩AI了。我去正确的地方还是应该尝试其他方法？
编辑：我认为那太宽泛了。所以我搜索一下ML和AI，我找到了一些可能有用的模块，scikit-learn，PyBrain，neurolab以及RLToolkit。前两个我真的不明白如何开始它，对于像我这样的新手来说，文件是非常不清楚的，我还没有尝试过神经胶囊，因为我还没有真正明白什么是一个人工神经网络[ANN]以及它如何帮助我，最后一个，更具体的强化学习没有任何文档。答案 0 :(得分：4)
虽然这不是一个完整的答案，但基本原则是：
如果结果不可预测，当前状态+可能的移动=结果。因此，对于任何给定的状态（在具有一定数量/组合的牌，可能与其他具有许多未知牌的牌组合，或者自上次洗牌以来已经看过某些牌）的情况下，存在你可以做多少次动作（击中，站立）。然后你会尝试任何一个，并记录是否会给你一个好的或坏的（或介于两者之间）结果。下次当你看到相同的当前状态时，你会看到到目前为止哪种可能的移动给你带来了最好的统计结果（随机性百分比）。
out out
如果您有多个动作，并且直到最后都没有得到实际结果，那么到目前为止您将跟踪所有（状态+尝试移动）;一旦得到结果，就将其应用于整个过程中的每一步。
一旦完成，您就可以玩大量的游戏，并且随着游戏的进行它会变得更好。
通常，诀窍是找出构成“国家”的内容。有更多可能的状态，在AI变好之前必须播放的游戏越多，数据库就越大。在二十一点中，你可能只有卡片数量的总和（它给你20个状态）的状态，或者它可能包括其中有多少是aces（我猜，这可能是大约40个州） ;它可能包括其他玩家拥有多少张牌;它可能包括你手中的确切值，但不包括套装（如果你有4个ace，你知道没有其他人有王牌），或者可能包括（无意义地为二十一点）一套牌的订单。
在某些情况下，“状态”可能更抽象。例如，在国际象棋的情况下，有许多可能的“状态”来学习它们，我们必须抽象。我不知道通常用于什么;也许是什么在攻击什么和什么在捍卫什么，有多少方块被多少块覆盖，哪些块被什么等所捍卫;或
您可能还想考虑什么构成“好”和“坏”结果。你可能会认为，对于二十一点来说，一场胜利是好事，一场失利就是坏事，这就是它的全部。然而，有一些事情要避免而不是失败：做出无效的举动。在二十一点的例子中，假设你的AI不知道规则，如果你有任何一只手而不是一对，则分裂是比（可能）失败更糟糕的事情。如果你将其视为“损失”，它最终会获得提示并停止这样做。