强化学习简介

强化学习中，学习系统在这里被称为智能体（agent），可以对环境进行观察、选择和执行动作，并获得奖励作为回报（负奖励是惩罚）。然后它必须自己学习哪个是最佳方法（称为策略，policy），以得到长久的最大奖励。策略决定了智能体在给定情况下应该采取的行动。
例如，许多机器人运行强化学习算法以学习如何行走。DeepMind 的 AlphaGo 也是强化学习的例子：它在 2016 年三月击败了世界围棋冠军李世石，并在2017 年五月，AlphaGo 又击败了世界排名第一的柯洁。它是通过分析数百万盘棋局学习制胜策略，然后自己和自己下棋。在比赛中机器学习是关闭的；AlphaGo 只是使用它学会的策略。