今年上半年，AlphaGo成功挑战职业围棋九段选手李世乭，让人工智能大放光彩。但相比起十分需要运算和推测的棋类游戏，人工智能一直在电子游戏中多次吃亏。之前AlphaGo也提出要在《星际争霸2》中战胜职业选手，但暴雪CEO表示不太可能。这是因为电子游戏的自由度非常高，取得胜利的方式也有很多种，人工智能往往摸不着头脑，甚至有时直接发呆。
（图片来源于：Google）
为了扭转这个劣势，DeepMind其实早在前年已经开始着手研究，并且在顶级科研杂志Nature（自然）上发布了有关AI Deep Q-Network（人工智能深度网络，简称DQN）的论文。这个名为DQN的人工智能，可以自主学习游戏规则，在事先没有给予任何有关游戏的情报下，能够通过不断玩游戏来提高自己的成绩。
DeepMind在YouTube上发布了相关的视频介绍，其中也有我们小时候经常玩的接球游戏。在刚开始接触这款游戏的时候，DQN的成绩十分糟糕，接几次就继续不下去了。
（图片来源于：Google）
但是经过600多次的“训练”后，奇迹发生了，DQN不仅可以流畅操作，而且还充分利用游戏的小技巧，进行更加高级的游戏玩法，可谓进步十分明显。而这些进步，都是DQN自己总结并加以运用，期间没有人类干涉过。
（图片来源于：Google）
据DeepMind的官方说法，能让DQN学会玩电子游戏的关键算法名为“异步评价器算法”（Asynchronous Advantage Actor-Critic）简称A3C。简单点来说，这个算法可以让DQN自行判断游戏界面的情况，并通过“大型分布式深度强化学习系统”学习游戏的玩法和规则。最后就是通过不断训练和学习来提高运算水平，从而达到“玩好游戏”的地步。
（图片来源于：Google）
尽管现在看来DQN可以游玩&学习的游戏对于人类来说可能有点过时，也玩不了像RPG、ADV或者MMORPG那样大型的游戏。但是正如游戏必须经过不断发展那样，人工智能也会不断进步。可能在将来某个时候，人工智能会跟人类共同享受游戏的乐趣，甚至我们可能会单方面被NPC虐呢。
