“我这辈子是打败不了AI了”

靠学习策略，采用深度强化学习，结合了深度学习的感知能力和强化学习的决策能力，通过训练的模型或者在线实时训练的模型不停的根据当前的state采用一定的策略去选择action，然后根据反馈的reward不停地更新参数，从而使得自己的选择越来越趋于最优解，当然，目前还有很多问题它无法解决，或者说得出的结果还比不上一些传统的启发式算法，最最重要的是这是一个黑盒模型，中间的神经网络到底是怎么训练的，目前人类还不知道，所以很多人对AI算法和模型持否定态度。