背景
这一个学期参加了学校的 Java 课程，任务是用 Java 建一个可以玩的 Patchwork（一个德国的棋类游戏）。同时，也涉及到要建一个可以和玩家互殴，啊不，对战的AI角色。借此机会，我对游戏中的机器学习、增强学习进行了一些了解与尝试。了解了早期 AlphaGo 版本（是的，在快做完 AI 的时候，ZERO 的论文出来了……）的大概运行原理及算法，在这里与大家分享。
这里是游戏介绍，可能需要梯子
关于游戏里的 AI
开始的时候对于如何设计 AI 并没有太多的头绪，老师也只是提示可以用 Reinforcement Learning，也就是增强学习，或者 Minimax-Tree 及 Alphabeta prunning（AlphaBeta 剪枝）。这算是对于很多简单游戏比较有效的一种决策方式。不过，Patchwork 这个游戏虽然没有围棋的搜索空间那么大，却也大约达到了 2^30 左右的大小，简单的树搜索是和剪枝是明显不能够达到很好的决策效果的。
偶然间，我在 StackOverflow 看到了这个回答。简而言之，就是说很多游戏的 AI 并不一定使用的是机器学习方法来完成的，而是选择了成本相对较小的有限状态机，以 CS 为栗子，一个通用型的 AI 可以这样设计：我们将 AI 按状态进行设计，每个状态里面去封装一些动作。这样，简单一些的话我们可以有：巡逻，警戒，战斗，逃跑四个状态。对于这些状态，我们可以设计出相应 AI 需要做的事情，比如射击，躲避，跑路等等。同时，我们还需要设计好 state transaction，也就是状态转换的判断标准。例如听到周围有脚步声的时候，AI 从巡逻状态变为警戒状态；血量低于1/3的时候，AI 由战斗状态切换为逃跑。这样一来，一个简单而有效的 AI 就设计好了，它的代码量和计算量显然要比机器学习得到的 AI 要少很多，而且看起来也不会太蠢。这，是不需要机器学习相关算法时的 AI 设计方法之一。
接着，我们回到我所做的 Patchwork 这个游戏上。在通常解决问题之前，我们往往需要对这个问题进行分类，或者说，模型匹配，才能决定使用哪种算法。
从信息完善程度来说，Patchwork 是一个信息完全的游戏，相似的是大部分棋类游戏都是信息完全的游戏，而与之相反的是牌类游戏，一般来说是信息不完全的，即玩家不能够完全了解整个游戏的所有状态信息。
从增强学习的角度来说，我认为这是一个非模型(modeless)的游戏，即没有清晰确定的反馈在最初阶段。这一点会在后面展开。
从游戏到机器学习
这里有一个转化对于初次接触人工智能相关的人们来说很重要，就是如何将游戏，博弈转化为可以使用机器进行计算的东西。
- 局面 -> 状态(State) -> 树节点(Node)
局面即游戏每一回合的局面，而状态则指游戏棋盘上的状态，这里还有两个玩家的状态（所持的纽扣数量，特殊纽扣数量等）。局面是一个笼统的概念，而状态，则是可以用数字表示的东西。树节点，则是进一步抽象化之后，所得到的数据结构的一部分。 - 下棋 -> 决策(action) -> 树枝(Branch)
每一次的决策之后，玩家实际上进行的是一次状态的转换，例如 A(0) 代表得 0 分， A(1) 代表得 1 分，小明下了一步棋之后得了一分（某个未知的棋类游戏），那么他实际上发生的变化是从状态 A(0) 变为了 A(1)。使得状态转移的称为决策，而从一个树节点访问至另一个树节点，需要的是经过一个树枝。
这样，我们就完成了从游戏，博弈到树的转化。而获得一个游戏的胜利，也对应到了如何搜索到相应的叶子节点。所以简而言之，很多博弈的问题实际上是如何高效地搜索这颗树。
*：对于还记得离散数学的盆友们，我认为这可以看作是马尔科夫决策链（或者马尔科夫决策过程 Markov Decision Process）会更好理解，由于是单向无环图，所以变成了树，本质上也是图搜索问题。
**：接下来的几篇我会尽量简单的概括我所浏览到的增强学习知识点，AlphaGo 的技巧，蒙特卡洛方法及蒙特卡洛树搜索是什么，他们为何在与神经网络结合后表现出了更强大的决策能力
