IAMDinosaur
1.0.0
一個簡單的人工智慧，使用神經網路和簡單的遺傳演算法來教 Google Chrome 的離線恐龍跳躍仙人掌。
觀看此視頻，了解其實際效果，並了解其工作原理：人工智慧與 Google 恐龍
在您的電腦上安裝Node.js
將此資料夾克隆/下載到您的電腦。
在此資料夾中運行npm install
打開Chrome的恐龍遊戲，把終端機放在一邊（必須在同螢幕） （提示：進入開發者工具，在網路下，設定為離線）
在此資料夾中運行node index 。如果遊戲已定位，它將把滑鼠遊標移到恐龍floor的原點。在終端機中按s鍵開始學習。
我們從螢幕像素讀取 3 個不同的輸入：
我們還有一個具有 3 種可能狀態的輸出：
每一代由 12 個神經網路（基因組）組成。
每個基因組都透過遊戲進行測試，透過不斷地將遊戲的讀取輸入映射到神經網路的輸入，並從網路獲取輸出/激活並應用於鍵盤的按鍵。
在測試每個基因組時，我們透過計算遊戲中跳躍的仙人掌來追蹤其「適合度」。
當一整代完成後，我們刪除最糟糕的基因組，直到獲得N基因組。對於這N基因組，我們隨機選擇兩個，並交叉它們的值/配置。之後，我們在神經網路的值/配置中應用隨機突變，創建一個新的基因組。
我們進行交叉/突變，直到再次獲得 12 個基因組，並不斷重複。
所有實作都是使用 Node.js、Synaptic（神經網路庫）和 RobotJs（讀取像素和模擬按鍵的庫）完成的。
專案中有幾個文件：
index.js ：它將所有東西緊密結合在一起。
Scanner.js ：RobotJs 庫之上的基本抽象層，它像光線追蹤一樣讀取螢幕。還有一些實用功能。
UI.js ：UI 管理的全域範圍。它會初始化並根據更改更新螢幕。
GameManipulator.js ：具有讀取感測器並將輸出應用於遊戲的所有必要程式碼。還負責計算點、獲取遊戲狀態並觸發回調/偵聽器以實際實現。
Learner.js ：它是遺傳演算法的核心實作。這就是「魔法」發生的地方，透過世代相傳，進行「自然」選擇、交叉、突變…
.json副檔名的genomes資料夾內enter （然後按s開始）o儲存生成Cc完成流程恐龍遊戲有一個惱人的錯誤：隨著時間的推移，它開始向右“漂移”，使得恐龍從遊戲的原點錯誤地偏移。這使得程式將恐龍讀取為仙人掌，因為它的顏色相同。
您可以透過不斷刷新頁面來修復該問題，或將此程式碼貼到元素檢查器的控制台中：
// Make sure the dino does not drift to the right
setInterval(function (){Runner.instance_.tRex.xPos = 21}, 2000)
請遵循 Felix 的 Node.js 風格指南。它並不複雜，並且有一個非常簡單的模式。
