其游戏玩法是玩家左右滑动控制一个具有弹力的短板，接球并反弹小球，消除游戏界面上方一排排的小方块，消掉所有方块就能通关游戏，并以此获得成就感。

如果将这款游戏用作ai训练平台，通过特定的算法和强化学习，ai就会从一开始完全接不住球，到后来不光能接住球，还能准确计算出小球的反弹角度，消掉上方所有方块。

甚至经过一段时间的训练和学习，ai还能找到最优的通关方式。

比如先精准消掉左上角的几个方块，打通所有方块的上方路径，然后再把小球打进去，让小球在方块阵的上方，在墙壁与方块阵之间来回反复反弹，每趟能连击消除几十个方块，大大提高了通关速度，并且获得更多的连击分数加成。

这样的游戏思路和技术，可能只有高玩才能想到和做到，到了这一步，ai在打方块这款游戏里的技术水平，显然已经超过了普通玩家，其学习方式，就不是“监督学习”了，而是“强化学习”，ai拥有了自主学习的能力。

同样的方式，如果将ai放入其他游戏，或者说不同算法模型里不断地的学习总结，那么一样也能训练培养出能力极强的ai出来。

从本质上看，培养教导ai，其实与教育小孩没有太大区别。

那么反过来说，通过游戏进行寓教于乐学习，才是人类小时候最佳的教育学习方式，将游戏视为洪水猛兽，是不可取的，在教育方法上，自我强化学习也要比填鸭式“监督学习”效果更好。

算法问题解决了，接下来就要满足算力和数据的条件。

数据不必多说，游戏训练平台本身就是在不断地收集数据，随着ai智能不断提升，数据收集的速度和质量也在不断提升，而在实际运用场景中，遍布全网的大数据了解一下？

比如未来的人工智能无人驾驶技术，现在沸腾汽车、沸腾出行就已经在