---
title: "深度强化学习智能体 · Artificial systems · 实体 · 模拟假说"
url: https://simulation-hypothesis.com/zh/entities/ai-drl
description: "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。"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl，模拟假说（simulation-hypothesis.com）"
---

[实体](https://simulation-hypothesis.com/zh/entities) › 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