强化学习
2016年3月有件大事，人工智能围棋机器人AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜，AlphaGo一举成名，人工智能吸粉无数。 接下来一年，AlphaGo版本机器人更是在围棋界所向披靡，2017年5月，在中国乌镇围棋峰会上，AlphaGo Master与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。 一年后，AlphaGo的研发团队Deepmind又推出了最强版的围棋机器人AlphaGo Zero。AlphaGo Zero是自学能力超强的机器人，经过短短3天的自我训练，自我对弈的棋局数量为490万盘，就强势打败了此前战胜李世石的旧版AlphaGo。然后继续自我训练，40天后出关，击败了打败柯洁的AlphaGo Master。 AlphaGo Zero的一大核心就是强化学习。 最近很多正在学习 flare老师的实战课程 的小伙伴都对强化学习感兴趣，那flare老师今天就来和大家说说听上去高大上的强化学习，也就是 reinforcement learning 。 1、基本概念 强化学习，根据机器行动给予奖励或惩罚，让机器对外部环境做出反应自己决定接下来做什么： 做对了，奖励一下，给颗糖； 做错了，惩罚一下，拿走糖。 嗯，核心就这么简单。我们来看个简单的例子：小朋友学走路