2025年三月起，某天堂的日本堂口決定以後不收國際信用卡結帳了。
所以蕾依奈爾預先囤了很多庫存，
以備可以在之後飢荒時期慢慢享用不會斷糧。
在自學機器學習的過程時，剛好正值蕾依奈爾的進食期間，
吃著吃著突然發現——
嗯？這怎麼完全可以拿來理解機器學習的運作？？？
所以有了以下這個我個人的理解筆記😆
蕾依奈爾以前覺得，既然特地入手了主機，
玩的遊戲就是要玩像無雙、或是某義大利裔水管工那種，
需要高度操作的遊戲，才叫「玩」遊戲。
（不然手把是買來幹嘛用的？😑）
直到接觸了視覺小說類的遊戲，
感受到「只要一直按A鍵推進劇情，就能得到回饋」的療癒與快樂，
才發現，原來不用勞動的天堂在這裡啊！
從此以後就回不去了。
大學畢業之後一直覺得念外語好像沒什麼用處（AI時代之後可能就更沒有用處了😓），
原來最大的用處，是可以不透過翻譯，
直接享用原文的視覺小說遊戲啊😏
天堂的通用語言，大概就是日文吧😆
用視覺小說遊戲理解機器學習
視覺小說遊戲（Visual Novel），是一種以文字敘事為主的遊戲形式，
通常也被歸類在文字冒險遊戲（ADV）之中。
玩家在既定的劇情中，透過一次次選擇，
讓故事分歧，並最終走向不同的結局。
——而這種「一次次做出選擇，承受、記住，並從結果中學習」的過程，
其實和機器學習的概念有些相似。
一般介紹通常都會先從解釋監督式學習開始，
不過如果從視覺小說遊戲玩家的角度切入來理解，
我想先從非監督式學習開始介紹。
非監督式學習：在未知中摸索世界
蕾依奈爾剛開始玩一個新的遊戲的時候，
通常喜歡不看攻略先自由探索。
在沒有攻略的情況下進行遊戲，
玩家其實是處在一個「沒有標準答案」的狀態。
不知道哪個選項會通往好結局，也不知道哪些角色是關鍵，
甚至連這個故事真正的走向，都還看不清楚。
你只是順著劇情往前走，一邊選擇，一邊觀察。
這種狀態，與其說是在「做出正確選擇」，
更像是——
在沒有標準答案的情況下探索整個世界。
慢慢地，你開始發現一些規律：
有些選項會讓氣氛變得微妙，
背景音樂換了，這很可能會導向Bad End。
有些角色講話的方式其實藏著什麼劇情設定，
有些看似無關的片段，之後會再次出現。
你並沒有被告訴「這是對的」或「這是錯的」，
但還是逐漸在腦中整理出一個屬於自己的理解方式。
開始理解劇情與角色，
發現角色的模式，
理解誰跟誰之間的關係，
逐漸整理出整個世界觀。
—— 這樣的過程，其實就很接近所謂的「非監督式學習」——
在機器學習中，非監督式學習面對的資料，
本身並沒有標示好的答案或分類。
模型能做的，是從這些資料中找出結構與規律
——就像玩家在沒有攻略的遊玩過程中， 慢慢看懂這個世界一樣。
玩家是那個被訓練的機器，在沒有指導的前提之下，
使用沒有標籤的資料（un-labeled data），
透過資料的特徵、一致性、或趨勢，
歸納及學習內容。
也就是說，在這種沒有攻略的遊玩方式中，
玩家並不是在尋找所謂的「正確答案」，
而是慢慢拼湊出這個世界原本的樣子。
——而當「正確答案」開始被明確告訴你時，
這個過程就會變成另一種完全不同的學習方式。
監督式學習：照著攻略走到結局
有時候玩到最後實在是超出自己的推理極限，
怎麼走都走不到想要的結局時，
或是有的玩家一開始就想精準的直搗黃龍，
就會直接去找攻略來走。
在有攻略可以參考的情況下，
你不再是單純地探索劇情，
而是已經知道哪些選項會導向哪種結果。
哪一句對話會增加好感度，
哪一個選擇會觸發關鍵事件，
甚至連每一條路線該怎麼走，
都已經被清楚地標示出來。
在這種情況下，你所做的事情，
與其說是在「理解這個世界」， 不如說是在——
依照已知的正確答案，一步一步把結果重現出來。
不需要猜測，也不需要試錯，
只要按照攻略的指示選擇，就能穩定地走向目標結局。
而這樣的過程，其實就很接近所謂的「監督式學習」。
在機器學習中，監督式學習所使用的資料，
本身已經附帶了對應的標籤（labeled data）。
模型在訓練的過程中，
會不斷將自己的預測結果與「正確答案」進行比對， 並逐步調整，
使輸出越來越接近標準答案。
就像玩家在參考攻略時，
每一次選擇，其實都已經對應到一個明確的結果。
玩家不再需要理解整個世界的全貌，
而是透過已知的答案， 精確地走到想要的那條路線。
強化式學習：一次次重來，直到改變命運
蕾依奈爾玩過一款神級遊戲，
玩家所扮演的主角在未知莫名的情況之下，
一直不斷的重複回到三天前，他的朋友還沒有自S之前的過去。
在這過去的三天當中，主角唯一想達成的目標只有一個：
——救他的朋友免於死亡。
但是不管他做任何事，最終朋友都還是選擇自S。
於是又繼續回到三天前，嘗試其他不同的方法，
直到找到拯救朋友的最佳解方為止。
而這樣的過程，就很接近所謂的「強化學習」。
陷入時間迴圈的這三天，是一個封閉的系統（Environment），
沒有任何已知資訊。
主角（Agent）只能根據現有已知的線索探索世界，
利用前一次試行錯誤所得到的回饋（Reward），
避開之前的錯誤行為（Penalty），
一次一次進行策略修正（Policy）。
如果選錯了，就打回三天前，
繼續重來一次。
在這樣不斷重複的過程中，
慢慢逼近能改變結局的最佳解。
在機器學習中，強化學習並沒有現成的標準答案，
模型只能透過與環境的互動，
根據每一次行為所得到的回饋，逐步修正策略。
強化式學習不是一開始就知道正確答案，
而是在不斷互動與修正的過程中， 慢慢找到表現最好的做法。
如果把前面提到的三種學習方式簡單整理，可以用下面這張圖來理解：
視覺小說遊戲 × 機器學習方式對照
從這三種不同的學習方式來看，
其實不論是玩家在遊戲中的行動， 還是機器在進行學習的過程，
本質上都在做一件類似的事情——
在有限的資訊下，學習如何做出更好的選擇。
有時候，是在沒有答案的情況下，慢慢理解世界的結構。
有時候，是根據已知的正確答案，精確地做出判斷。
有時候，則是在一次次試錯與回饋中，逐步修正行為。
當然，實際上的機器學習方法並不只這三種，
另外還有介於監督式與非監督式之間的「半監督式學習」等不同變化。
不過，從玩家的角度來看，
這三種學習方式，其實早就存在於我們熟悉的遊戲體驗之中。
只是我們平常不會把這些遊戲中的學習過程，稱為「機器學習」，
唯一的目標，大概只是在想「怎麼選才不會BE」而已😆。
