实体 › 人工系统

深度强化学习智能体

通过试错训练、以最大化奖励信号的神经网络。它们通过与环境互动来学习策略或价值函数，这个环境往往是游戏之类的模拟环境。

通过试错训练、以最大化奖励信号的神经网络。它们通过与环境互动来学习策略或价值函数，这个环境往往是游戏之类的模拟环境。它们在狭窄的任务上可以达到超人的水平，但优化的只是单一的奖励目标。

来源

• Mnih V, Kavukcuoglu K, Silver D, Rusu AA, et al. (2015) Human-level control through deep reinforcement learning. Nature 518(7540):529-533. doi:10.1038/nature14236.
• Silver D et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature 529:484-489. doi:10.1038/nature16961.

对照已发表的标准来评估它