AIにCartPoleゲームを遊んでもらった

背景

FAQボットに関して、「役に立ったか？」の質問で、皆さんのYes/Noの回答によって、より回答の精度を上げたい。

強化学習は上記を対応できそう。現在はその中の一つの手法（Deep Q-learning）を勉強中。

入門編は、CartPoleと言うゲームをAIが学習して遊ぶ。

参考コードをDLして色々弄ってみた。

どんなゲーム

http://fluxml.ai/experiments/cartPole/

AIの学習の様子

デモ

$ python3 dqn.py

実現の仕方

擬似コード

ゲーム状態初期化(state)

	冒険か・推測かを決める
	
	アクション(action)を選択する
	
	報酬(reward)及び次の状態(new_state)を入手
	
	上記の経験を記憶する
	
	状態を更新（state = new_state）
	
	記憶した経験から訓練用データを抽出
	
	学習（推測精度を高めるようパラメータ更新）
	
	繰り返し（アクション）
	
繰り返し（ゲーム）

今後の発展

• FAQボットの改善
• ゲームの自動プレー？？

Usage

$ python3 dqn.py

参考

[1] http://fluxml.ai/experiments/cartPole/

[2] https://medium.freecodecamp.org/an-introduction-to-reinforcement-learning-4339519de419

[3] https://keon.io/deep-q-learning/