请在右侧点击「我要挑战 AI」
👨🏫 老师的提示：
棋盘上的小数字是 AI 的「经验值」——它不是记"某个位置好不好"，而是记"这个局面下"某个位置好不好。
刚开始 AI 的脑子是空的（全是 0），你可以直接挑战（此时 AI 纯随机瞎走），也可以先让它闭关修炼几千盘再战。
棋盘上的小数字是 AI 的「经验值」——它不是记"某个位置好不好"，而是记"这个局面下"某个位置好不好。
刚开始 AI 的脑子是空的（全是 0），你可以直接挑战（此时 AI 纯随机瞎走），也可以先让它闭关修炼几千盘再战。
📖 实验指南 ▾
🎯 简化 Q 表试错学习 —— AI 自己和自己下棋，从零积累经验
💡 一句话理解：AI把每个棋局当成一页账本，赢了给好走法加分，输了给坏走法扣分。
📌 实验目的：理解AI如何不需要人类数据，仅通过"试错"（赢→加分，输→扣分）自己学会下棋。AI 大脑里有一张巨大的"经验表"（Q表），记录每个局面下每种走法的好坏——训练越多，经验越准。
🌟 现实应用：AlphaGo（围棋AI）、自动驾驶（试错学习开车）、机器人控制（跌倒→爬起→学会走路）、游戏AI（StarCraft、Dota2）。
🧩 说明：为了让初中生先看懂“局面-动作-奖惩”的核心思想，本实验使用简化 Q 值更新；完整 Q-learning 还会继续估计下一步的未来收益。
📋 操作：① 直接点「我要挑战AI」体验（此时AI随机走） → ② 或在挑战前先点「练5000盘」让AI自己练 → ③ 观察棋盘上的Q值变化 → ④ 调整进阶参数看AI策略如何改变
🧠 AI 的学习逻辑
1. 看局面：当前棋盘长什么样？
2. 翻账本（Q表）：这个局面下，历史上走哪里得分高？
3. 大冒险：偶尔不看账本，瞎走一步试试新路。
4. 拿奖惩：赢 +100 · 输 −100 · 平局 +10
📐 本实验的简化 Q 值更新：
新值 = 旧值 + 0.2 × (奖惩 − 旧值)
🏋️ 闭关修炼（AI 自己和自己下）
▶ 🔧 进阶参数（点击展开）
赢棋奖励+100
调大 → AI拼命想赢，但可能死记硬背某条路线
输棋惩罚−100
调大（更负）→ AI极度怕输，被惩罚过的路永不触碰
平局奖励+10
调大 → AI觉得平局也不错，走法偏保守
学习率 α0.20
调大 → 新经验快速覆盖旧经验；调小 → 学得慢但稳
最低探索率5%
训练到最后保留多少随机瞎蒙的比例
📊 AI 档案
累计对弈0
大脑容量（见过的局面）0
探索率 ε100%
🎮 亲自检验
📖 当前局面 —— AI 的脑电波
等待开始…