本文主要向大家介绍了机器学习入门之强化学习是什么，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

2013年伦敦的一家人工智能公司 Deep Mind 发表了一篇论文 “Playing Atari with Deep Reinforcement Learning”，一个月后 Google 就收购了这家公司。从那之后，Reinforcement Learning 在人工智能领域就火了起来。2016年AlphaGo赢了与人类的围棋比赛，它也是用的强化学习。

它是指 autonomous agent，例如，人，动物，机器人 或者是 深度网络，通过使奖励达到最大化，来学会在不确定环境中进行定位。

例如，运动。

一个 autonomous agent 要学习如何打 tennis 比赛，它需要考虑这些动作：serves, returns, and volleys，这些行为会影响谁赢谁输。
执行每一个动作都是在一个激励下进行的，就是要赢得比赛。
为了实现比分最大化，它需要遵循一个策略。

那么上面这个过程，怎样模型化呢？

agent 的行为会改变外界环境或者状态，所以 需要将 state 和 action 作为输入， 最高预期回报作为输出。需要在每个动作时都考虑整体的期望回报值。

DeepMind 建立了一个 CNN，不过输出不是分类，而是 maximum reward 的目标值，所以其实是在做回归，而不是分类。
而且没有用 pooling 层，因为图中的物体，人的位置，都很重要，不能被剪掉。

一个 recurrent network 也可以做到，只要问题变为回归，并且每个时间点都包括 action 和 environment state。

还有 Deep Q-Network，它也是在每个 action 和 environment state 下达到最大回报。此外还做了一些改进，加入了经验回放和决斗网络架构。

强化学习和监督式学习区别

监督式学习是根据历史的经验来感知周围的环境，但这个不太靠谱，例如，你车，一周前这条路很 clear，现在这条路很挤，那要怎么学习呢。

而强化学习却是根据 reward 来学习的，agent 的每个动作都会有一个得分。如果遵守了交通规则，限速行驶等，就会给加分，但是如果做了危险的操作，例如加速，就会减分。所以要学会，在当前环境中如何获得最高分，它的每个动作都会改变最终的结果。

通过强化学习，一个 agent 可以在探索和开发之间权衡，并且选择一个最大的回报。

强化学习还包括 goal setting, planning, perception 等课题，可以看文末链接学习更多。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！