看了看评论，我觉得有必要给大家大概讲一下所谓的AI是怎么回事：
所谓的AI就是一个函数 f(w,in) ，w是网络本身的一部分配置参数（不一定是实数），in 则是外界输入（也不一定是实数），AI函数 f 根据配置参数 w 和外界输入 in 生成一个策略 f(w,in) = out （更不一定是实数）。这时问题就来了，我们如何知道这个函数好不好呢？所以我们还需要一个评价函数 k(in，out) 来生成我们对对应环境下对应输出好不好（输出是一个可以比较的数）。
好了，现在我们可以训练网络了，所谓的训练网络，就是调整配置参数 w ，使得我们的的评价函数 k(in, f(w,in)) 的输出尽可能的高。这就是AI的本质，一种统计拟合的函数。
如何调整这个 w 有两种方式，其中一种方式是：如果这里面所有的函数都是实函数，都可以求导，那么我们可以算 k(in, f(w, in)) 在当前参数值 w0 处关于 w 的偏导数 a，然后给 w0 加上一个 a 的倍数，持续这个求导，然后加到 w 上的操作，直到这个函数值没有变化，你的网络就训练好了，这就是所谓的梯度下架。另一种方式就是直接暴力遍历 w 的所有可能取值（也有启发式，不同算法有不同设计），然后找到这个 k 的最大值对应的 w 。
当这个 k 函数本身能够以直接编程的方式去实现的时候，就是强化学习，否则就是一般意义上的深度学习。
窥视卡
雷达卡
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
