为了研究Python中的AI（图像识别），我想测试和开发我的AI模型，像AlphaGo一样（进行围棋AI），使用共享源码（可能是Python）。我还搜索了一些DQN（深度Q网络）的源码，但这些源码在Windows上运行得不好，并且作为学习目的很难进行可视化。我搜索了一些书籍，但几乎没有关于学习AlphaGo或DQN的书籍（带有共享源码，可以自我测试）。
有没有适合AI初学者的材料？（我首选的环境是Windows）（Stack Overflow是适合提问AI的网站吗？）
回答：
AlphaGo Zero拥有一个优雅简洁的架构，使得自己重新实现它比预期的要简单。
它有两个重要部分，蒙特卡洛树搜索（MCTS）和神经网络。
因为相同的架构可以用于不同的棋类游戏。我建议从比围棋更简单的游戏开始实现，比如跳棋或五子棋，这样你可以更快地看到改进，并且你可以花更多的时间实现AI而不是游戏本身。
我建议按以下顺序实现：
- 游戏本身
你需要检查游戏终止的部分，可视化游戏状态等。
- MCTS
你可以参考这个实现或这些关于MCTS的幻灯片，从伪代码重新实现它更有助于学习，但直接复制在线的也没什么问题。
在这一点上，你已经有了一个可以玩简单游戏的AI，你可以与它玩或让它自玩以确认它是否工作。
- 神经网络
如果你想在你的电脑上运行它，你需要在Windows环境中安装TensorFlow和Keras或其他神经网络库，如果你没有合适的硬件和软件，这可能是整个过程中最难的部分。如果这行不通，你可以使用像Kaggle.com这样的在线服务。
如果你熟悉像Keras这样的高级神经网络库，这部分并不太难，这是一个学习基础知识的很棒的课程。AlphaGo论文包含了关于网络的所有细节以及如何将其连接到MCTS。
就这样了！祝你好运！
