无需公式或代码，用生活实例谈谈 AI 自动控制技术“强化学习”算法框架

不用公式、不用代码，白话讲讲强化学习原理

The best way to learn is to teach others.

战胜围棋高手李世石的 AlphaGo ，称霸星际争霸2的 AIphaStar…这些先进的自动控制技术都离不开“强化学习”这个算法框架。有人说，强化学习是一种“试错”技术，是在状态与动作间建立了一种高级的“哈希映射”​。学习强化学习半载，我个人​的心得是：强化学习让实时决策不再“鼠目寸光”​，本文我们就通过​“小赛能否写完假期作业”这个生活实例来谈谈。

在说强化学习之前，我们先来聊聊他的两个兄弟：监督学习和无监督学习。

监督学习

监督学习就是，你喂给机器一堆有标签的数据，比如下表这样。

特征值	标签
小明, 爱穿裙子, 出门前化妆	女孩
小张, 不穿裙子, 出门前不妆	男孩
…	…
小何, 爱穿裙子, 出门前不妆	男孩

经过对有标签数据的训练/学习后，我们就得到了一个分类器/回归器，可以根据无标签的数据推测出其标签。

特征值	AI所推测出的标签
小钗, 爱穿裙子, 出门前化妆	女孩
小黛, 爱穿裙子, 出门前化妆	女孩
小盘, 不穿裙子, 出门前不妆	男孩

无监督学习

无监督学习就是，你喂给机器一堆无标签的数据，比如下表这样。

特征值	标签
(1,1,1,1)	None
(1,4,-2,3)	None
(-1,2,0,0)	None
(1000,-2,4,1)	None
…	…
(0,1,-2,0)	None

经过对上述数据的训