itotii·生活如果没有目标，就会变得懒散。

「8」读物

【你通关过《超级马里奥兄弟》么？】有个名叫Viet Nguyen的程序员，虽然自己没过几关，但他调教的AI已破了29关，图为实况。只剩3关没解开了。

程序员用的算法叫PPO，是“近端策略优化”的简称。不熟悉这名字不要紧，当年#dota2#五人团战中打赢TI8冠军OG的OpenAI Five战队，用的就是这种算法。

至于PPO到底是什么，简单地说：AI玩游戏的时候，要通过不停的学习，更新自己的策略。以从前的策略梯度算法，假如新旧策略之间差别太大，就不利于学习。而PPO可以靠多步训练，用小批量更新策略。这样一来，AI学习起来就更见效了。

程序员说，选择PPO之前他也用过另一种AI玩马里奥。那是个“演员-评论家”算法，演员负责表演，评论家评价演员演得好不好。比如踩死蘑菇就被表扬，碰到蘑菇死掉就被批评。但这个方法只过了9关。相比之下，如今PPO表现之精彩超出他的想象。

而AI没打通的那3关，就是3个迷宫：4-4，7-4，8-4。因为有很多条路可走，选错路再回头的成本有点高，所以目前AI还没有通关。

那么问题来了，你不看攻略能过这几关么？[doge]

「9」视频：

你的一生：活在渴望成功的简历中 还是被人称赞的悼词里

1 2 3 4 5 6