陪我一起用AI製作神經網路遊戲 (Neural Network Game)

【Python 遊戲開發】打造會自我學習的 AI 生存遊戲！TensorFlow + Pygame 實作解說
在這段影片中，我展示了一個使用 Python、Pygame 和 TensorFlow 開發的 AI 生存遊戲模擬器。這不是普通的遊戲，裡面的機器人擁有「大腦」，能夠根據當前的血量、敵人距離和數量來決定是攻擊還是閃避，並且會在每次死亡後從失敗中學習，不斷優化生存策略！
💬 討論區： 歡迎在下方留言討論 AI 訓練結果！
🎮 遊戲特色 (Game Features)
AI 決策系統：使用 TensorFlow Keras 建構的神經網絡，實時判斷機器人行為（攻擊 vs 閃避）。
學習從失敗開始：機器人死亡後，系統會記錄當下的狀態數據並進行訓練，避免下次犯同樣錯誤。
掠食者模式 (Predator Mode)：收集水果可恢復生命值並進入「獵殺模式」，此時敵人會恐懼逃跑，機器人可反殺。
數據可視化：內建數據集查看器 (Dataset Viewer)，可隨時檢視訓練日誌與決策記錄。
加速訓練模式 (Turbo Mode)：一鍵切換高速模擬，快速累積死亡數據以加速 AI 收斂。
環繞螢幕機制：遊戲採用類似小精靈 (Pac-Man) 的螢幕繞行邏輯，增加策略難度。
🧠 AI 架構說明 (AI Architecture)
輸入層 (Input)：
HP Norm：當前生命值百分比。
Dist Norm：與最近敵人的歸一化距離。
Count Norm：畫面上敵人數量的歸一化值。
隱藏層：8 個神經元，ReLU 激活函數。
輸出層 (Output)：
Attack Probability：攻擊機率。
Evade Probability：閃避機率。
訓練時機：當機器人生命值歸零時，觸發 train_on_death，將該生命週期的數據標記為負面樣本進行反向傳播學習。
🕹️ 操作控制 (Controls)
T 鍵：切換 Turbo Mode (加速訓練模式 / 一般模式)。
Turbo 模式下：FPS 提升至 240，敵人生成速度加快，機器人血量降低，適合快速刷數據。
ESC 鍵：退出數據查看器或關閉遊戲。
方向鍵 上/下：在數據查看器中翻頁檢視日誌。
Enter / Space：繼續遊戲流程。
🛠️ 技術棧 (Tech Stack)
Language: Python 3.x
Game Engine: Pygame (渲染與遊戲循環)
AI Framework: TensorFlow 2.x / Keras (神經網絡模型)
Data Handling: NumPy, OS, Time
Persistence: 模型保存為 .h5 文件，數據日誌保存為 .txt
📦 環境安裝 (Requirements)
在運行遊戲前，請確保已安裝以下依賴庫：
bash
1
📝 檔案說明
ai_survival_game.py: 主程式碼，包含遊戲邏輯、AI 腦部、數據管理。
ai_robot_model.h5: 訓練完成的 AI 模型檔案 (運行後會自動生成)。
training_dataset_draft.txt: 即時訓練數據日誌。
training_dataset_final.txt: 最終報告數據，包含詳細的欄位說明。
🚀 未來改進計畫
引入強化學習 (Reinforcement Learning) 替代目前的監督式學習。
增加更多種類的敵人與道具。

如果您有任何關於神經網絡訓練參數的建議，歡迎在留言區告訴我！