强化学习一直是过去五年中一些最大的人工智能 (AI) 突破的核心。在围棋、雷神之锤 III 或星际争霸等游戏中，强化学习模型证明它们可以超越人类的表现，并创造出前所未有的独特长期策略。强化学习的部分魔力依赖于定期奖...

看完李沐老师的文章亚马逊首席李沐 | 用随机梯度下降来优化人生，深受感慨，本人阅读大量文献，提出了下面“反向用随机梯度下降来优化人生“的方案。下文与李沐老师的文章一一对应，李沐老师的放在了引用块里。...

来源丨https://zhuanlan.zhihu.com/p/416704427

神经网络训练超参数调整不仅需要大量的训练时间，还需要很大的人力成本。Population Based Training(PBT)是一个很好的自动化调整的方法，但是他的最大问题是决策机制关注短期的性能改进，在大轮次训练时效果不好。...

生成对抗网络（GAN）包含两个部分：一个是生成器（generator），一个是判别模型（discriminator）。生成器的任务是生成看起来逼真与原始数据相似的样本。判别器的任务是判断生成模型生成的样本是真实的还是伪造的。换句话说，生成器要...

对于精通围棋、星际争霸 2 以及其他游戏的深度强化学习模型而言，关键的挑战之一是它们无法将其能力泛化到训练领域之外。这种限制使得将这些系统应用到现实世界中变得非常困难，在现实世界中，情况比训练 AI 模型的环境复...

2016 年，DeepMind 公司开发的 AlphaGo 4:1 大胜韩国著名棋手李世石，成为第一个战胜围棋世界冠军的人工智能机器人，一时风头无两。AlphaGo 的巨大成功开启了“人工智能元年”，也让强化学习渐为大众熟悉。...

先把原文总结成276个摘要（24796词），然后进一步压缩成25个摘要（3272词），再到4个摘要（475词）。

在使用深度强化学习（Deep Reinforcement Learning，DRL）算法解决实际问题的过程中，明确任务需求并初步完成问题定义后，就可以为相关任务选择合适的DRL算法了。...

其实机器学习的理论在2010年后已经有了重大突破，为什么在这一年突然爆发了呢？AlphaGo的推动只是催化剂，主要的原因在于摩尔定律，也就是计算机硬件发展了到了足够承载海量的数据进行计算。...