我是一名软件开发人员，一直在尝试（并且失败）来了解人工智能和神经网络。最近有一个领域引起了我的兴趣——通过跟随气味来模拟老鼠在一块奶酪上“归巢”。基于靠近奶酪 = 气味更浓 = 好这个规则，那么感觉这应该是一个非常简单的问题来解决 - 至少在理论上！

我的想法是首先将鼠标和奶酪放在屏幕上的随机位置。然后我将鼠标沿随机方向移动一步并测量它与奶酪的距离，如果它比以前更近（更强烈的气味）那就很好了。这就是我在理论上遇到问题的地方——这种“反馈”需要以某种方式修改用于移动鼠标的机制，逐渐完善它，直到鼠标能够直奔奶酪。一旦“训练”，我应该能够重新定位奶酪并期望鼠标更快地移动到它。请注意，我还通过没有障碍让鼠标四处协商来保持简单。

这到底是如何用 NN 实现的？我了解基本概念，但是一旦我开始查看真实代码，我就会发现事情变得复杂了！我看到的示例通常从从数据集中训练 NN 开始，但这似乎不适用于这里，因为感觉唯一可用的训练是在鼠标四处移动时“动态”（即更接近 = 好，更远=坏）。我假设大脑有某种由更强烈的奶酪气味触发的“奖励机制”。

我是不是在找错树——无论是我的思维过程，还是 NN 不适合这个问题？顺便说一句，这不是家庭作业，只是我一直在脑海中困惑的事情。