张士玉小黑屋

深度强化学习是一种机器学习，其中智能体(Agent，也翻译作代理)通过执行操作（Action）和查看结果（Reward）来学习如何在环境中采取最佳的动作或策略。自2013年DeepQ-Learning论文[1]以来，强化学习已经有了很多突破。从击败世界上最好Dota2玩家的[2]OpenAI到Dexterity[3]，我们正处于深度强化学习研究的激动人心的时刻。OpenAI5，一个打败了世界上最好的Dota2玩家[4]的人工智能此外，由于