王牌对战：让 AI 自己学会出牌

打开 machinelearningforkids.co.uk，点「Get started」再点「Log In」登录（没有账号就找老师注册一个）。

点顶部菜单的「Projects」，点「Copy template」按钮，导入「Kings & Queens Top Trumps」项目模板，然后点进这个项目。

点「Train」看一眼：模板已经建好了 5 个空的训练数据桶，分别对应牌上的 5 个数字——在位年数（reign）、即位年龄（ascension）、寿命（death）、配偶数（spouses）、子女数（children）。

点右上角「< Back to project」返回，点「Make」→「Scratch 3」→「straight into Scratch」（页面会提醒还没训练模型，没关系，我们要先用 Scratch 收集数据）。进去后点「Project templates」，加载「Top Trumps」模板。

点全屏按钮和绿旗开始玩：上半屏是你的牌，选牌上一个数字（点旁边的紫色按钮），电脑的牌才会翻开，比大小定输赢，赢了就继续由你选。玩几局，猜猜电脑是怎么选的。

退出全屏，点左侧的「Stage」看代码：原来电脑每次都固定选「reign」。把它改成从 1（reign）到 5（children）之间随机选，再玩几局看看——随机出牌的电脑并不聪明，接下来让它从对局里学习。

还在 Stage 上，拖出「添加训练数据 add training data」积木，把你牌上的 5 个数字填进去，再用一个「如果 if」积木包住它，条件是「你选的是 reign」。右键复制成 5 份，分别对应 5 种选择（条件用「数据 Data」里的橙色变量），每个 if 里的 add training data 都选对应的数据桶。

把这段代码接到「每次你赢一手牌」的位置：你赢的时候，你牌上的数字和你做出的选择就会被记成一条训练例子。接好后先回 Train 页面确认训练数据是空的（误点积木会产生空数据，有就删掉）。

回到游戏全屏开玩，一直玩到你的分数到 10 分——这会给每个数据桶攒下例子。玩完记得「File」→「Save Project」保存项目。

保持 Scratch 窗口开着，回到平台点「< Back to project」→「Train」，确认你的 10 条获胜出牌都已经进了对应的桶。再点「Learn & Test」：页面会告诉你例子还不够，暂时不能训练。

回到 Scratch 继续玩、继续攒例子，时不时回「Machine learning models」页面刷新，直到「Train new machine learning model」按钮出现——这个过程让你直观看到「数据量」是训练的前提。

回到 Scratch 的 Stage，拖出「识别数字 recognise numbers … (label)」积木，把电脑牌上的 5 个数字填进去，用 if 积木判断识别结果是哪个桶，就「set your-choice」为对应的选择。复制成 5 个连在一起的 if，然后用这段机器学习代码替换掉原来的「随机出牌」积木。

保存项目（「File」→「Save to your computer」），点绿旗和训练好的模型对战到 20 分。之后反复「玩更多对局攒例子 → 回 Learn & Test 点 Train new machine learning model → 再对战」，观察电脑是不是越赢越多。

最后一步升级：在 Stage 里找到「当接收到 results-state」的代码，复制「如果 result = WIN」分支，改成「如果 result = LOSE」，并把里面 5 个 add training data 积木的「you」都改成「computer」——这样电脑赢的牌也会被记成例子，它能从自己的胜利中学习，进步更快。

对比一下成绩：官方示例里，随机出牌的电脑 100 局只赢 28 局，用 500 个例子训练后能赢 73 局。和孩子聊聊：为什么例子越多电脑越强？为什么练到一定程度就不再变强了？