超级玛丽操作教程,超级玛丽大神操作教学

从1-1到7-1，只要一条命，就能全部通过，而且操作几乎没有迟疑，如行云流水一般。

别人玩得这么溜，你是不是只能被小乌龟、喷子弹的小怪物、上上下下的地形虐？

不过，这个玩游戏的不是人，是一只通过深度强化学习算法实现的AI。

这个算法已经开源，是2016年的论文《Asynchronous Methods for Deep Reinforcement Learning》中提到的算法的实现。

异步一步Q-Learning：每个线程与自己的环境副本交互，在每一步中计算，用共享的渐变目标网络Q-Learning损失的梯度，就像DQN训练模型一样。

异步多步Q-Learning：在正视图中通过明确的计算多步返回来运行，因为基于动量的方法反向传播来训练神经网络时，用正视图更容易一些。

异步优势演员评论家算法：这是超级马里奥AI的核心。智能体中的两个部分，分别扮演演员和评论家，负责创造和监督。

和前面的异步多步Q-Learning一样，演员和评论家在正视图中运行，用相同的多步返回组合来更新策略和价值函数。

演员就像一个小孩子一样，会探索世界，做各种事情。

评论家则类似于前面小演员的爸爸妈妈，负责监督演员的举动，赞扬他做的好的地方，批评他做的不好的地方，告诉自己孩子：你和其他演员（别人家的孩子）差在哪儿了。

因此，演员希望一直能获得爸妈的赞扬，获得积极的反馈，就会根据爸妈的赞扬和批评不断修正自己的行为。

而对于异步优势演员评论家算法而言，则是为小演员提供了一所“学校”。如果小演员只在家里学习，可能学到的东西更片面，而且学习速度也比较慢。在异步优势演员评论家算法这所学校里，有“老师”和“同学”能让演员更快的学习，学到正确的知识。

最后，公布这个算法实现的是GitHub用户Viet Nguyen。