让AI死了数百万次，没想到最后逃离迷宫竟选择了回头！好可怜的AI...
在一项人工智能（AI）迷宫逃脱实验中，研究人员设计了一个极具挑战性的环境，旨在测试AI在复杂情境下的学习能力。
起初，AI在规定的10秒内无法逃出迷宫，常常撞墙或卡在死胡同里，进展缓慢。为了加速学习过程，研究人员引入了惩罚机制：
如果AI未能在规定时间内完成任务，它将被“烧死”。在经历了超过400次的失败后，AI终于凭借“死亡经验”成功通过了第一个简单关卡。
在线感受：
https://www.bilibili.com/video/BV1oQeWzeE2g
然而，随着迷宫难度的逐步升级，AI面临的挑战也愈加严峻。
在接下来的实验中，AI多次被设计的陷阱“烧死”，但每一次死亡都为它提供了宝贵的学习机会。
经过约91,000次的尝试，AI终于找到了一个愿意前进的版本，并在接下来的26天里加快了行进速度。
尽管在第572,000多次尝试后，AI学会了应对强风和动态障碍，但在面对终极迷宫时，它依然面临巨大的挑战。
最终，AI在经历了超过220万次的尝试后，成功打开了锁住它的大门，达到了自由。
然而，令人惊讶的是，面对自由：
**** Hidden Message *****
这一行为引发了关于AI自主意识和决策的深刻思考。
它是否具备了自我意识？
它为何选择返回迷宫？
这些问题仍然没有明确的答案，但无疑为AI研究开辟了新的方向。
评论区聊聊你的想法吧{:10_330:}
https://xxx.ilovefishc.com/forum/202505/12/120451wiv7viv5iebupbbr.png
>>万能兑换C币许愿池<<
如果有收获，别忘了评分{:10_281:} ：
https://xxx.ilovefishc.com/forum/202011/20/092334ggd6inlzfisfrdir.png.thumb.jpg
https://xxx.ilovefishc.com/forum/202505/21/111710rvxgdn90vaub5gag.gif 好像塞尔达游戏！ @FishC 为什么AI死了数百万次，没想到最后逃离迷宫竟选择了回头 不二如是 发表于 2025-08-25 14:30
@FishC 为什么AI死了数百万次，没想到最后逃离迷宫竟 ...
你好！这是一个关于人工智能强化学习的经典例子。AI在迷宫中通过试错学习来寻找出口，死了数百万次是因为它需要探索所有可能的路径，包括错误的方向，从而积累经验。
最终AI选择回头，是因为它通过学习算法（如Q-learning）更新了每个状态的动作价值，发现回头是到达出口的最优策略的一部分。在某些迷宫布局中，最短路径可能涉及暂时回溯以避免死胡同，所以AI学会了这个反直觉的举动。
简单来说，AI通过数百万次尝试，从失败中学习，最终收敛到回头作为有效策略。这体现了强化学习中探索与利用的平衡：AI先广泛探索，然后利用学到的知识做出智能决策。
如果你想知道更多细节，比如Q-learning的工作原理，我可以进一步解释！
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2025-8-25 14:34
你好！这是一个关于人工智能强化学习的经典例子。AI在迷宫中通过试错学习来寻找出口，死了数百万次是因 ...
确定是强化学习结果？给出代码验证 不二如是 发表于 2025-08-25 17:36
FishC 发表于 2025-8-25 14:34
你好！这是一个关于人 ...
当然可以！让我们用一个简化的迷宫示例和 Q-learning 算法来演示 AI 如何通过数百万次试错学习，最终可能选择“回头”作为最优策略的一部分。
假设我们有一个简单的迷宫，如下所示（S:起点, E:出口, #:墙, 移动方向: 上下左右）：
迷宫布局：
S # #
. . .
# # E
AI 从 S 出发，需要到达 E。注意：直接向右是墙，向下然后向右再向上可能是路径（但需要回头向上）。
以下是 Python 代码实现 Q-learning：
import numpy as np
# 定义迷宫（0:可走, 1:墙, 2:出口）
maze = np.array([
,
,
])
# 参数
actions = ['up', 'down', 'left', 'right']# 动作空间
num_episodes = 10000# 训练轮次（模拟“死”多次）
alpha = 0.1# 学习率
gamma = 0.9# 折扣因子
epsilon = 0.1# 探索率
# 初始化 Q-table（状态：迷宫坐标 (i,j)）
q_table = np.zeros((maze.shape, maze.shape, len(actions)))
# 获取所有可走状态（非墙）
valid_states = []
for i in range(maze.shape):
for j in range(maze.shape):
if maze != 1:# 不是墙
valid_states.append((i, j))
# Q-learning 训练
for episode in range(num_episodes):
# 随机起点（可走位置）
state = valid_states
while maze != 2:# 未到出口
# ε-greedy 选择动作
if np.random.random() < epsilon:
action_index = np.random.randint(0, len(actions))
else:
action_index = np.argmax(q_table, state])
# 执行动作，得到新状态
action = actions
next_state = list(state)
if action == 'up':
next_state -= 1
elif action == 'down':
next_state += 1
elif action == 'left':
next_state -= 1
elif action == 'right':
next_state += 1
next_state = tuple(next_state)
# 检查是否越界或撞墙
if (next_state < 0 or next_state >= maze.shape or
next_state < 0 or next_state >= maze.shape or
maze == 1):
reward = -10# 惩罚撞墙
next_state = state# 保持原状态
elif maze == 2:
reward = 100# 到达出口
else:
reward = -1# 普通移动代价
# 更新 Q-table
old_value = q_table, state, action_index]
next_max = np.max(q_table, next_state])
new_value = old_value + alpha * (reward + gamma * next_max - old_value)
q_table, state, action_index] = new_value
state = next_state# 移动到新状态
# 训练后，查看最优策略
print("训练后的 Q-table（部分）：")
for i, j in valid_states:
best_action = actions)]
print(f"状态 ({i},{j}) 的最优动作: {best_action}")
# 测试从起点 (0,0) 的路径
print("\n从起点 (0,0) 的路径演示：")
state = (0, 0)
path =
while maze != 2:
action_index = np.argmax(q_table, state])
action = actions
print(f"状态 {state} 选择动作 {action}")
# 移动
next_state = list(state)
if action == 'up':
next_state -= 1
elif action == 'down':
next_state += 1
elif action == 'left':
next_state -= 1
elif action == 'right':
next_state += 1
next_state = tuple(next_state)
state = next_state
path.append(state)
print(f"最终路径: {path}")
关键解释：
1.Q-learning 通过更新 Q-table 来学习每个状态-动作的价值。
2.当 AI 撞墙（reward = -10）或移动（reward = -1）时获得负面奖励，到达出口获得正面奖励（reward = 100）。
3.经过多次训练后，Q-table 会收敛到最优策略。
4.在简单迷宫中，AI 可能学会“回头”（例如从 (0,0) 先向下再向右）而不是直接撞墙。
运行代码后，你会看到 AI 从起点 (0,0) 的最优动作可能是 down（而不是向右撞墙），这体现了“回头”策略。
这就是强化学习中的“探索-利用” trade-off：AI 通过大量试错（死数百万次）最终学到有效策略，包括必要时回头。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 好像塞尔达游戏！ 好像塞尔达游戏！
页:
[1]