AI已经可以学会看主播视频，来教自己打游戏了( 二 ) _ai

并且MineDojo在部分时刻依然要借助修改游戏数据才能达到目的，比如攻略末影龙的时候，只有“作弊”让末影龙站在原地挨打才能通关。

手足相残的残忍录像
不过，MineDojo依然呈现出了AI可以通过现有视频、资料进行学习的能力。唯一遗憾的是，目前还没有看到多少MineDojo实装后的反馈，因此实际效果如何也存在一定的疑问。好处是它供所有人免费下载，当作AI入门的免费资料试试未尝不可。
2

得益于当代互联网的发展，AI能从视频资料中获取自己想要的知识。人类也是如此，制作一个会玩游戏的AI，有时候看视频就够了。
视频比教科书更进一步的是，哪怕观众什么也不明白，不知道python语言、架构、蒙特卡洛算法是什么，每个人依然能从视频里得到乐趣，随后潜移默化地了解知识。
在这一领域起代表性作用的，是那些致力于设计游戏AI的视频制作者们。
首先要提到的是人们或许更为熟知的“遗传算法”，一个在上个世纪的六十年代提出，被这个世纪所发扬广大的技术。
它类似生物学意义上的进化论，具体来说，就是通过系统生成一堆什么也不懂的婴儿，让他们在大自然（程序）世界里尝试各种操作，通过选择表现更好的子代，达到不断优化AI表现的目的。
用油管上一条《AI学习玩JUMP KING》的视频举例，大致场景就是这样的。

先生500个孩子试试
视频作者Code Bullet（下文简称CB）已经用这个算法成功制作出了不少AI通关游戏的视频，《吃豆人》《Flappy Bird》这类强调优化AI行动的游戏都可以沿着类似的思路走下去。
思路是清晰的，做起来也很“简单” 。翻阅一下CB大部分制作AI的视频，都可以看到他的过程主要分为了三个部分。

“制作一个会玩游戏的AI仅需要三步”
重做游戏的原因我们稍后再进行讨论，CB视频中展现的精髓部分在于遗传算法的“筛选”功能。不同于物竞天择的大自然，这里我们才是负责挑选AI的上帝。
刚出生的AI当然是什么也不懂得的小婴儿，给它们添加行动指令，AI也不会懂得往哪里行动有什么意义。因此常见的做法是给随机行动的AI设置奖励和惩罚，例如跳跃一次加1分、达到下一关加2分、左右移动加0.5分，向下跌落则扣1分。

“往上走就好，往下是坏，这很简单”
每代AI只有五次行动机会，五次行动结束后，跳跃高度最高的AI就会成为下一代的模范，此后的每一代AI都会遵循上一代摸索出最好的路径前进——这就是很简单的进化了。
不过这么简单的规则还没有办法解决某些“思考”问题，如果某关需要先下降，再向上跳跃的话，死脑筋的AI就会因为扣分原则而拒绝往下跳。
解决办法可以是在降落地点设置同样可以提供奖励的收集品，引导AI通过收集奖励，前往更高的场景。