强化学习和AI适用场景的思考

随着AlphaGo和围棋第一人柯洁的对战，强化学习又将迎来一波热潮。
强化学习到底是怎么让机器能够玩游戏的，这个问题很久之前就困扰着我。
（如果需要从数理上了解强化学习，请阅读参考资料，或者在网络上检索“强化学习”，本文只是一般科普文章，本文认为你多少知道什么是卷积神经网络，并且有初步的机器学习知识）

机器玩游戏，需要克服哪些问题呢？

机器如何知道游戏规则

其实，按照现在的科技水平，人类还是无法开发一个泛用的人工智能，去胜任所有的游戏，游戏规则是人类告诉机器的。但是，这里的告诉，并非告诉机器所有的事情，具体告诉机器的事情如下:
在当前的状态下，如果你选择了某种动作，游戏给予如何的评价（正面的，负面的，或者中立的，并且是量化的）。
例如 Flappy Bird 中，在某个状态下，如果你让小鸟往上飞行之后，小鸟是通过一个水管了（正面），还是撞到水管了（负面），或者是没有发生任何事情（中立）
当然，一般的游戏，都有一个表示分数的区域，有时候程序会告诉AI表示分数的区域在哪里，然后程序能够自己读取分数，知道在选择某个动作之后评价如何。

当前状态怎么表示

一般的视频游戏，如何让AI知道当前状态，归根到底就是让AI能够读图，懂得画面表示的意义。
AI看到的只是游戏画面，就是像素，AI无法知道游戏的逻辑，目标到底是什么的！
例如Flappy Bird 的游戏，AI是无法知道我们是想让小鸟尽量穿过水管的。
就如图像识别AI一样，她能识别出图像中是否有猫，但是，她并不知道猫到底是什么。（很有趣的悖论）
一般的游戏视频画面，最简单的1帧也要80x80的大小，考虑到彩色的游戏，即使转化为灰度，也有256种。
80 x 80 x 256 =1638400种游戏状态，这个如论如何也是不能接受的。这里的话，还是祭出了图像处理的大杀器，卷积神经网络，通过卷积的各种技巧，将状态数控制在一个很小的，可接受的数值内。

原理介绍

强化学习的一个最简单的原理就是告诉机器，你在某个状态下，选择了某种动作，会得到何种反馈。并且使得你进入另一种什么样的状态。通过不断的训练，就是要让机器能够获得最大的正面的反馈。

什么场景适合AI

在AI疯狂的训练下，小鸟已经可以非常优雅的在水管之间穿梭自如了。
其实，FlappyBird这个游戏，如果使用普通的程序来写的话，代码量其实不多（除去图像识别的代码，强化学习是用CNN卷积做的，两种思想没有可比性），也无需任何学习，理论上说，如果代码没有Bug的话，小鸟是可以永远一直飞下去的。
当然，FlappyBird只是一个例子来描述强化学习的方法，也是一个合格的好的例子，够简单，能说明问题。
有句话说得好，如果人类在一秒钟之内可以完成的任务，则该任务是适合AI来做的。
但是，有些任务，如果用传统的编程来做的话，可能也能做得很好，而且避免了黑箱，难以调试，结果不稳定的缺陷。
由于学习了ML，有时候，看到什么问题都考虑用ML的方法来解决，有了锤子什么都是钉子了。

水果的分类

Tensorflow来做的话，无非是给机器喂很多数据，高等，中等，低等，然后在使用softmax进行分类罢了。这样做的效果肯定也非常好，模型会给你拟合出来一个标准。但是，如果用传统程序来做的话，也是可以的，只是这个标准你需要事先确定罢了。所以说，ML在没有明确标准的时候，或者结果受到很多因素制约，同时还要考虑到概率分布的时候，则是非常适合的。

简历过滤

HR对于海量简历，是不是能够通过机器学习进行面试候选人的过滤呢？
如果投简历的人的特征和录取概率可以有一个模型的话，理论上是可以的。收集很多简历，很多录取信息，建立一个模型也是可以的。但是现在也没有看到这样的模型被开发出来，其中理由不是技术可以说明的。
（HR在过滤简历的时候，只是简单的过滤一下是否符合职位要求罢了。）

参考资料
程序员带你一步步分析AI如何玩Flappy Bird