15 行代码教 AI 开灯关灯：用神经网络做"聪明的节能管家"

不靠规则，不写 if-else，只靠"试错 + 奖励"，让 AI 学会智能控制灯光。
这就是强化学习（Reinforcement Learning） 的魅力！

💡 问题：灯，到底该什么时候开？

你家的灯还在手动开关？
或者用"有人就开，没人就关"的简单逻辑？

但现实更复杂：

  • 白天有人，但阳光充足 → 不用开灯，省电！
  • 深夜有人，房间很暗 → 必须开灯，体验优先！
  • 没人的时候 → 灯开着就是浪费！

能不能让系统自己学会在各种情况下做出最优决策？

答案是：能！用强化学习 + 神经网络。

🤖 我们的目标：训练一个"智能灯控 AI"

它要能看懂三个信息（状态，State）：

  1. 是否有人（红外传感器）
  2. 当前光照（光敏电阻）
  3. 现在几点（系统时钟）

然后决定一个动作（Action）：

  • 开灯（1） 或 关灯（0）

而它的"老师"，只通过一个数字——奖励（Reward） 来告诉它：

"你刚才做得好，+1 分！" 或 "浪费电了，-0.3 分！"

久而久之，AI 就学会了省电又贴心的策略。

🧠 核心思想：用神经网络代替人工规则

传统做法：写一堆 if-else

if 有人 and 光照 < 阈值:
    开灯
else:
    关灯

强化学习做法：让神经网络自己学这个"阈值"和"逻辑"！

输入状态 → 神经网络 → 输出每个动作的"预期收益"（Q值） → 选收益最高的动作

这就是 Deep Q-Network（DQN） 的精髓。

💻 极简代码演示（仅 20 行核心）

import torch, torch.nn as nn, random, math

# 【神经网络：Q函数逼近器】
model = nn.Sequential(nn.Linear(3, 16), nn.ReLU(), nn.Linear(16, 2))
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)

hour = random.randint(0, 23)

for step in range(2000):
    # 【状态 s】= [是否有人, 光照, 时间]
    time_norm = hour / 24.0
    daylight = max(0, math.cos(2 * math.pi * (hour - 12) / 24))
    light = min(1.0, max(0.0, daylight + random.gauss(0, 0.1)))
    occupied = 1 if random.random() < (0.3 if 22<=hour or hour<6 else 0.7) else 0
    s = torch.tensor([[float(occupied), light, time_norm]])

    # 【动作 a】ε-贪婪策略
    action = model(s).argmax().item() if random.random() > 0.1 else random.randint(0, 1)

    # 【奖励 r】根据状态+动作计算
    dark = light < 0.2
    if occupied:
        reward = 0.8 if (dark and action==1) else (-1.0 if (dark and action==0) else (-0.3 if (not dark and action==1) else 0.5))
    else:
        reward = -0.2 if action==1 else 1.0

    # 【学习】Q-learning 更新
    target_q = model(s).clone().detach()
    target_q[0, action] = reward
    loss = nn.MSELoss()(model(s), target_q)
    optimizer.zero_grad(); loss.backward(); optimizer.step()

    hour = (hour + 1) % 24

✅ 全程无标签、无监督，只靠奖励信号自我进化！

🔍 概念与代码一一对应

RL 概念 代码体现 作用
State（状态） [occupied, light, time_norm] 描述当前环境
Action（动作） action = 0 or 1 智能体的决策
Reward（奖励） reward = ... 反馈信号，指导学习方向
Policy（策略） model(s).argmax() + ε-探索 如何选动作
Q-Network model = nn.Sequential(...) 用神经网络估计 Q(s,a)
Learning loss.backward() + optimizer.step() 参数更新，越学越聪明

✅ 训练后，AI 学到了什么？

我们测试几个典型场景：

场景 AI 决策
🌙 深夜（3点），有人，房间很暗 ✅ 开灯
☀️ 正午（12点），有人，阳光充足 ✅ 关灯（省电！）
🌃 晚上（22点），无人 ✅ 关灯
🌆 傍晚（18点），有人，光线昏暗 ✅ 开灯

它没有被写死规则，却自己总结出了"合理开灯"的智慧！

🌍 这不只是玩具：真实应用场景

  • 🏢 智能办公楼：自动调节照明、空调，年省电费 20%+
  • 🏠 智能家居：与米家、HomeKit 集成，无感节能
  • 🏫 教室/会议室：人走灯灭，人来灯亮，无需改造电路

核心都是同一个 RL 框架——只需换状态、动作、奖励！

🚀 为什么这很重要？

强化学习，是让机器具备自主决策能力的关键技术。

它不依赖人类经验写规则，而是：

  1. 感知环境（状态）
  2. 尝试行动（动作）
  3. 接受反馈（奖励）
  4. 自我优化（学习）

从一盏灯，到自动驾驶、机器人、金融交易——底层逻辑相通。

💬 结语

你不需要造出 AlphaGo，才能用上强化学习。
从一个灯开始，你就能构建真正"会思考"的智能系统。

代码虽小，思想巨大。
真正的 AI，不是更复杂的模型，而是更聪明的问题建模。

✅ 动手试试？
只需安装 PyTorch，复制上方代码，几分钟就能看到 AI 学会"聪明开灯"！