learn-claude-code

English | 中文 | 日语

每个代理的核心都是一个 神经网络 — — 一个 Transformer、一个 RNN、一个经过训练的函数 — — 这些都受到数十亿个关于感知、推理和行为的梯度更新的影响。代理从来不是由周围的代码赋予的。它是在训练过程中学习到的。人类是最原始的证明。一个经过数百万年的进化压力完善的生物 神经网络 通过感官来感知世界、通过大脑来推理、通过身体来行动。当 DeepMind、OpenAI 或 Anthropic 说"代理"时，它们都指的是同一个核心概念：一个通过训练学会行动的模型，加上能让它在特定环境中运行的基础设施。

历史记录是明确的： - 2013 -- DeepMind DQN 玩 Atari。 一个 神经网络，只接收原始像素和游戏分数，学习了 7 款 Atari 2600 游戏 -- 优于之前的算法，并在其中 3 款游戏中击败了人类专家。到 2015 年，扩展到 49 款游戏，达到专业测试者水平，发表在《自然》杂志上。没有特定游戏的规则。一个模型，通过经验学习。

• **2019 -- OpenAI 五个神经网络在 10 个月内 [玩了 45,000 年的 Dota 2 ][https://openai.com/index/openai-five-defeats-dota-2-world-champions/], 然后在现场比赛中以 2-0 战胜 TI8 世界冠军 OG。在公开赛场上,AI 在 42,729 次比赛中赢得了 99.4% 的胜利。没有脚本化策略。模型通过自我比赛学习了团队协作。