靳雪雯嘻嘻一笑：“一共8万多，险些花光我的压岁钱。”

小鱼儿：“……”

意思是还没花光呗？

这天开始，靳雪雯每天都来苏家。

大家聚在一起玩玩闹闹、其乐融融，顺便训练、训练机器人，不亦乐乎？

江寒让靳雪雯又买了五台机器人，和方源每人选择五台，分头训练。

两人的程序很快都编好了。

由于方源采用了传统算法，程序调试完成后，直接烧录到机器人的中，就可以运行了。

而江寒这边的“强化学习”，实现起来就没那么简单了。

程序本身就很不好弄，训练起来更加麻烦，需要相当多的时间。

“强化学习”在这个世界早就出现了，其中最重要的概念，就是智能体gen。

在这个案例中，一台战车机器人，就是一个智能体。

训练的过程中，智能体可以得到所处环境的状态信息，并采取试探行动。

当环境对某个动作给与了正向反馈时，智能体将来就会更加倾向于这种举动。

反之，如果得到的是负面反馈，那么就减弱这种倾向。

这样，智能体就能在不断地试错中，一点一点地优化行动策略……

例如著名的learning算法，江寒之前就有过一些研究。

在learning中，用一个表格来保存状态和动作的值，称为able。

通过修改able的值，就能生成一个指引智能体行动的“纲领”。

然而，这种办法虽然简单、直观，易于实现，但也有着致命的缺陷，那就是只适合状态和动作空间是离散的，而且维数不太高的情况。

当状态和动作空间是连续的，或者维度很高时，再用able来表达，就有点力不从心了。

为了解决这个问题，江寒很自然地想到了算法。

所谓，全称是eeperk，实际上就是将深度学习和强化学习结合到一起的产物。

的原理相当简单，只要将able换成人工神经网络就行，但如果想取得理想的效果，那就得讲究一点细节了。

首先要克服的，就是噪声、延迟和不稳定等问题……

江寒在虚拟空间里，用了三百多个小时，才终于弄出了一个完善的算法。

接下来，就是漫长的训练过程。

好在这种算法最大的优点，就是不怎么需要人工干预。

只要给“智能体”适当的环境，它就能自主学习、慢慢进步。

苏婉莹特地将阁楼清理出来，给大家做训练场地。

江寒让方源的五台机器人，给自己麾下的战车做陪练。

一开始，江寒的机器人有些笨头笨脑的，和无头苍蝇差不多。

别说作战了，连路都跑不明白，经常卡在莫名其妙的地方转圈圈。

看到这种情况，大家不免心里有些没底。

靳雪雯藏不住事儿：“江寒哥哥，这种办法真的行吗？”

苏婉莹直接吐槽：“江寒，你这几台战车，看起来不怎么聪明呀？”

夏雨菲也有点担忧，问江寒：“它们好像一直在乱转，这都半个下午了，是不是哪里出问题了？”

江寒淡淡一笑：“现在下结论还太早了点，过两天再看效果吧。”

这些战车机器人性能还算不错，但续航就比较马虎了，连续运作三个小时，已经是极限。

为了解决这个问题，江寒设计了一个磁吸式充电接口，让这些机器人电量消耗得差不多时，自己滚去充电。

这样，他就可以腾出手去，继续改进算法了。

三天后，江寒的五台战车机器人，终于看到了训练效果。

从一开始什么也不懂，慢慢学会了走路、射击、躲闪……

这样一来，再与方源的队伍时，终于不再一面倒的被屠杀了。

虽然处于下风的时候多，占据优势的时候少，取得胜利的次数，更是约等于0……

但总归是好现象。

苏婉莹、夏雨菲等人啧啧称奇，她们之前的确没想到，这些“死”的机械，居然也能在实战中成长！

又过了两天，江寒的这五台机器人，渐渐学会了战术配合。

这样一来，再和方源，就胜多败少了。

又过了一天，方源的机器人，就彻底不是对手了。

这就是没有成长性的的局限性所在，写成什么样，就是什么样。

而拥有“强化学习”能力的，只要有充足的训练时间，就可以愈来愈强！

这天，江寒和方源又进行了一场友谊赛。

开战不到3分钟，江寒这边就摧枯拉朽，打败了方源的队伍。

“不玩了，不玩了。”方源大摇其头，“你的机器人进步太快了，我估计……等到下周比赛时，差不多能和遥控操作一较高下了。”

江寒摇了摇头：“只怕不行。”

“你是说时间吗？”方源问。

江寒笑了笑：“不，我这个算法的上限，取决于陪练的强度，现在这种情况，只怕后面很难有大的进步了。”

方源思索了一下，然后说：“这样的强度，差不多够了吧？”

江寒摇头：“目前还不知道其他队伍的情况，拿冠军的把握……不能说没有，但，还不够大。”

方源叹了口气：“可惜我能力有限，弄不出战斗力更强的……”

江寒心中一动，忽然想到了一个办法。

那就是在方源的几台机器人里，也写入训练好的网络，然后，让两个网络对战！

这样一来，这些已经达到瓶颈，很难取得进步的机器人，就可以在对抗中，一起成长了。

然后，你成长一点，我成长一点……

江寒越想越觉得可行。