夏雨菲想了想，說：“我和瑩瑩差不多，對機器人也基本上一竅不通，還是你們四個上吧，我和瑩瑩給你們做后勤。”
江寒和靳雪雯對視了一眼，一齊攤手。
這樣“新寒江雪”戰隊便只有四名隊員了。
接下來，江寒和方源開始研究AI算法。
能采用的算法很多，但要考慮到算法的強度，以及機器人本身的計算能力。
好在時間還算充裕，可以慢慢嘗試。
江寒打算試一試機器學習中的“強化學習”。
這是一種非常獨特的算法，可以讓機器人“自學成才”，無需編寫復雜的邏輯。
方源對此表示期待和喜聞樂見，但也有一些擔憂。
關鍵問題是，在比賽之前，沒法拿到場地的準確數據。
這樣一來，事先訓練好的機器人，也不知道到了賽場上，會不會適應不良？
江寒灑然一笑：“所以咱們要做兩手準備。”
“哦？”方源眼神亮了起來。
江寒的想法很簡單。
他和方源分別打造一套AI算法。
江寒嘗試“強化學習”路線，方源則按照傳統方式編程。
比賽之前，隊伍內部先來次PK，誰的AI戰斗力強，就派誰上場。
“這個辦法好。”方源馬上表示贊同。
接下來，兩人就分頭行動，各行其是。
另一邊，靳雪雯等女孩子，將幾個戰車機器人的包裝，全都拆了開來。
“哇，好漂亮！”小魚兒驚嘆了一聲，隨后拿起一臺戰車機器人，愛不釋手地擺弄著。
“花了不少錢吧？”小魚兒問。
靳雪雯嘻嘻一笑：“一共8萬多，險些花光我的壓歲錢。”
小魚兒：“……”
意思是還沒花光唄？
這天開始，靳雪雯每天都來蘇家。
大家聚在一起玩玩鬧鬧、其樂融融，順便訓練、訓練機器人，不亦樂乎？
江寒讓靳雪雯又買了五臺機器人，和方源每人選擇五臺，分頭訓練。
兩人的程序很快都編好了。
由于方源采用了傳統算法，程序調試完成后，直接燒錄到機器人的ROM中，就可以運行了。
而江寒這邊的“強化學習”，實現起來就沒那么簡單了。
程序本身就很不好弄，訓練起來更加麻煩，需要相當多的時間。
“強化學習”在這個世界早就出現了，其中最重要的概念，就是智能體（Agent）。
在這個案例中，一臺戰車機器人，就是一個智能體。
訓練的過程中，智能體可以得到所處環境的狀態信息，并采取試探行動。
當環境對某個動作給與了正向反饋時，智能體將來就會更加傾向于這種舉動。
反之，如果得到的是負面反饋，那么就減弱這種傾向。
這樣，智能體就能在不斷地試錯中，一點一點地優化行動策略……
例如著名的Q-learning算法，江寒之前就有過一些研究。
在Q-learning中，用一個表格來保存狀態和動作的Q值，稱為Q-Table。
通過修改Q-Table的值，就能生成一個指引智能體行動的“綱領”。
然而，這種辦法雖然簡單、直觀，易于實現，但也有著致命的缺陷，那就是只適合狀態和動作空間是離散的，而且維數不太高的情況。
當狀態和動作空間是連續的，或者維度很高時，再用Q-Table來表達，就有點力不從心了。
為了解決這個問題，江寒很自然地想到了DQN算法。
所謂DQN，全稱是DeepQNetwork，實際上就是將深度學習和強化學習結合到一起的產物。