初中生编程探究课 · 让程序自己"会思考"
理解 AI 如何判断
完成 AI 应用
调整策略参数
分析行为变化
完成拓展任务
程序不再是被动执行指令，而是——
获取环境信息
根据信息判断
执行决策
感知 → 决策 → 行动 → 循环往复 🔁
改造 Pong，右侧球板由 AI 控制。简单(1球慢)→中等(2球)→困难(3球快+失误)
兔子移动、狼自动追猎。饥饿值驱动速度——饿了就跑得快！
AI 控制红绿灯，车多就给绿灯。🚑 救护车优先通行！
鼠标上下控制左板 | AI 控制右板
👩🏫 大白话：球从左边飞到右边需要一段时间，AI 用「球的当前高度 + 球每帧上下移动的距离 × 飞到右边需要的帧数」算出球的落点，提前去那里等着——这就叫预测拦截。
🐰 随机移动 | AI 狼按饥饿程度追猎
👩🏫 大白话：刚吃饱时速度只有 0.15（几乎爬不动），随着饥饿值涨到 100%，速度涨到 5.0（疯狂冲刺）。AI 的内部状态（饿不饿）直接决定外部行为（跑多快）——这就是「状态驱动 AI」！
车辆自动行驶 | AI 按车流量调节绿灯 | 🚑 派救护车
👩🏫 大白话：每多一辆车排队，绿灯就多加 0.8 秒。1辆车≈4秒，10辆车≈11秒，最多不超过15秒。简单一个算式就实现了按需分配——不堵的方向少给绿灯，堵的方向多给，不浪费！
完成基础功能后打勾 ✅，看看你的 AI 做了什么
点击卡片展开，看看 AI 背后的有趣规律 👇
不好玩！试试乒乓球困难模式——AI 有时会「走神」乱动一下，正是这种不完美让游戏有了悬念。
💡 AI 开发者需要找平衡点：太强=无敌无聊，太弱=没挑战。好的 AI 让你觉得「就差一点就赢了！」
你会发现兔子几乎被秒杀，不停重生，生态一片混乱。这就是生态失衡——捕食者太多，猎物跟不上。
💡 真实自然界中，狼太多 → 兔子不够 → 狼饿死 → 狼减少 → 兔子恢复 → 循环。这叫捕食者-猎物动态平衡。
AI 模式更高效！固定模式不管车多车少都给 5 秒，AI 会根据排队车数动态调整——堵的方向多给绿灯，顺畅的方向少给。
💡 这就是现实世界中智能交通系统的原理！北京、上海等大城市已经在用类似技术减少堵车。
交通灯 AI 最聪明（实时统计+动态决策），生态狼最简单（只追最近的）。但——
💡 简单≠不好。生态狼虽然逻辑简单，但加上饥饿系统后行为就很丰富：不饿时慢悠悠，饿极了疯狂追。这正是 AI 设计的精髓：用简单规则产生复杂行为。