你以為 AI 一定要用神經網路嗎？🤔

其實，不用 Deep Learning，AI 也能「自己學會」！

這次讀書會，我們帶你從最經典、也最直覺的方式——Q-Learning，重新認識 AI 的學習本質

我們不從複雜公式開始，而是從大家熟悉的「幾A幾B」猜數字遊戲出發，讓你用最簡單的方式理解：

👉 Agent 是怎麼一步步做決策

👉 Reward 如何影響學習方向

👉 知識如何被儲存在 Q-Table 裡

接著，我們會用經典案例「貪吃蛇 🐍」深入探討：

當 AI 面對現實問題時，狀態該怎麼設計？

為什麼一個小小的 4x4 棋盤，竟然可能需要高達 657MB 的記憶體？

這不只是技術分享，更是一場關於「AI 本質」的思考

📌 適合對象

▪︎ AI 初學者

▪︎ 對強化學習有興趣的人

▪︎ 遊戲開發愛好者

▪︎ 想理解「不用神經網路的 AI」的人

📚 活動內容包含

▪︎ 強化學習（Reinforcement Learning）核心概念

▪︎ Q-Learning 原理與 Q-Table 運作方式

▪︎ 實際案例解析（猜數字 × 貪吃蛇）

▪︎ 狀態空間爆炸與實務挑戰

▪︎ 開放討論：神經網路 vs 傳統方法

一起回到 AI 最純粹的樣子，用簡單的方法，看懂學習的本質