來點強化學習笑話 鼓勵一個走迷宮 AI 盡量去那些沒見過的場景，結果 AI 找到了一個迷宮里的電視，不用動就能不斷地見到新東西 《智能體只想看電視》 模型訓練很慢，隨便寫點 bug 很多天以后才會觀察到跡象 我入門強化學習做的項目 NIPS2017-LearningToRunACE ，是在虛擬環境訓練一個機器人跑步，要在規定時間跑得最遠，模型輸入就是各個機器人關節的速度位置，障礙物的位置等等，然后輸出肌肉的舒張收縮控制量當年強化學習搭好框架…。