最近迷上了复古游戏，想起小时候入迷的玩贪吃蛇，真的是乐趣无穷。现在到了2019年了，一切似乎都变得和以前不同，比如，我们可以用AI下围棋，用AI做自动驾驶，有没有可能让一个AI自己学会玩贪吃蛇呢？答案当然是可以！！

先来看看我们的效果：

思路

让AI学会贪吃蛇，那么首先我们需要定义这个游戏环境。有人会说用pygame，或者gtk来做一个界面，其实都显得过于复杂，还没有等到我把AI造出来，但就游戏界面估计就得浪费大把时间。我们直接用OpenCV即可解决这个问题！大概的代码如下：

如何让AI学习

那么怎么让AI知道贪吃蛇的游戏规则呢？也就事说，让AI知道：

你不能吃掉你自己；
你不能碰到墙；
你迟到了红色食物才算是拿到了奖励。

经过我的尝试，我发现，如果采用传统的动态规划的方式去做，既首先从图片着手，来学习预测下一步贪吃蛇的方向，其实很难让Agent学到任何东西，相反，我们的策略是：

首先我们让AI先在一个小的环境下学习；
然后逐渐把盘子扩大；
最后在一个固定大小的棋盘上看看最终效果。

这个思想有点像ProgressiveGAN，也就是循序渐进的让Agent学习，先从小环境着手，小环境学习好了，再加大难度。事实上，实验验证了我们的想法，这个方向无疑是有效果的。

从图可以看出，这是其中的一个环节，可以看到我们的贪吃蛇最大长度可以达到9，其实已经很不错了，旁边的数字显示它已经自己咬死了自己1841次，可是依旧坚强的活着。。

对于整个模型算法的流程，也非常清晰，简单来说步骤如下：

首先我们定义一个轮回总数，世事无常有轮回，你最多死50000次，每次给你8条命，该怎么学，贪吃蛇你看着办；
在每个轮回中，我们把每一次尝试的走位记录下来，放到我们的Memery中，这样我们的贪吃蛇才能像蔡徐坤一样风骚的走位；
最后每次轮回死掉了之后，就拿这些记忆去训练我们的Qnetwork；
Qnetwork就这样变得越来越强，因为它记忆了所有的成功尝试和失败的尝试，下一次指导也就越给力，最后每次轮回的时间也就更长，不至于说是落地成佛。。

QNetwork构建

对于这类问题，其实就是一个根据环境进行决策的过程，可以借助强化学习的手段来学习，但作为下一个动作空间的预测模型，还是需要我们构建DNN去拟合，从数据中学习到预测下一步动作的规律，这也是核心。我们的QNetwork构建采用的是TensorFlow 2.0，并且采用Keras NN API进行构建。可以说非常的结合潮流。核心的QNetwork构建代码如下：

class QNetwork:

    def __init__(self,input_shape, hidden_units, output_size, learning_rate=0.01):
        self.input_shape = input_shape
        hidden_units_1, hidden_units_2, hidden_units_3 = hidden_units
        self.model = tf.keras.Sequential([
            tf.keras.layers.Dense(units=hidden_units_1, input_dim=input_shape, activation=tf.nn.relu),
            tf.keras.layers.Dense(units=hidden_units_2, activation=tf.nn.relu),
            tf.keras.layers.Dense(units=hidden_units_3, activation=tf.nn.relu),
            tf.keras.layers.Dense(units=output_size, activation=tf.keras.activations.linear)
        ])

        self.model.compile(optimizer = tf.keras.optimizers.Adam(learning_rate), loss='mse',metrics=['accuracy'])
        
    def predict(self, state, batch_size=1):
        return self.model.predict(state, batch_size)
    
    def train(self, states, action_values, batch_size):
        self.model.fit(states, action_values, batch_size=batch_size, verbose=0, epochs=1)

对与这个模型，其实可以采用更深入的架构，我们也会在后续不断地深入探索不同模型的优化效果，让我们的贪吃蛇AI更加的智能。

强化学习训练

我们可以看一下整个训练过程的log：

可以看到，大概5000个Episode之后，得分可以逐渐的增高，说明网络在指导贪吃蛇下一步运动的时候更加的得心应手。从训练的实际gif图也可以看到，现在我们贪吃蛇的最大长度可以达到13，试想一下，随着棋盘的增大，模型的变强，是不是贪吃蛇会变得非常非常的长，以至于超越人类的玩贪吃蛇极限呢？？我们拭目以待！！

训练还没有完全，但是你可以看到，这个走位还是很风骚的有木有！！

Show Time

最后，到了我们的人工智能表演时间！！！让我们把舞台交给贪吃蛇AI！！！！贪吃蛇，上！

这个走位还是非常的风骚的！经过一个晚上的训练，多达30000多次的轮回，我们的贪吃蛇终于可以在长度28的范围之内保证自己屹立不倒，我想这应该比多部分手残少年要强。。比如我。。

总结一下我们的强化学习存在的问题和无法解决的死角点：

虽然强化学习模型可以处理99%的情况，但是不管是设么场景都会存在那么1%从来没有见过的情况，大概率此时AI不知道该如何决策，极有可能瞎几把一顿乱走，我们的贪吃蛇倒也还好，但是如果用到了自动驾驶决策里面，那么解决就是直接见马克思了；
虽然我们的可以将模型无线的复杂化，经过两个周的实验，我们发现并非模型越复杂，AI越强；
更令人琢磨不透的是，并非Episode越久，AI越强，在这期间我们发现，它有一个巅峰时刻，最高平均得分为188分，这相当于是它最高的长度可以达到40步，感兴趣的朋友来魔改一下我们的贪吃蛇，看看你能训练的贪吃蛇Ai可以强大到什么地步，是否能稳如阿法狗；
贪吃蛇无法预测边界，也就是说如果我们的模型在一个比他训练的环境更大的棋盘上运作，它大概率无法准确预测边界，这也是我们让他从小棋盘开始训练逐渐扩大棋盘大小的原因，但是即便如此，它无法在任意大小的棋盘下准确的找到食物，并且避开边界。

Code

最后，本教程的所有代码主要包含4个东西：

游戏环境，这个游戏环境不来自于openai，我们用opencv搭建的；
TensorFlow2.0的模型构建和训练代码；
强化学习训练代码；
启动AI玩贪吃蛇的代码。

所有代码都可以在MANA AI 平台，一个专注分享高质量有专业团队维护的AI代码平台：

http://manaai.cn/aicodes_detail3.html?id=42