机器学习算法——强化学习

2016 年 3 月，谷歌公司 DeepMind 团队的 AlphaGo 以 4 比 1 战胜第 18 届世界围棋冠军李世石，这是一场具有历史意义的比赛。

图 1 围棋落子位置种类

让电脑学会下围棋是一件十分困难的事情，它有如图 1 所示这么多种可能的落子位置。在围棋中获胜不可能只靠简单的蛮力，它需要技巧、创造力，以及类似职业棋手的直觉。

通过融合深度强化学习网络和最先进的树搜索算法，AlphaGo 实现了这一创举。本章将介绍强化学习以及强化学习的算法案例。

第一个问题就是什么是强化学习，它与前几章介绍的监督学习和无监督学习有什么区别？

喂养过宠物的人都知道，想要训练宠物，最有效的方法就是当它做得好的时候奖励它，做得不好的时候惩罚它。强化学习就是一种类似的学习算法。神经网络算法采取一系列动作（a），它将会引起一系列与环境有关的状态（s）变化…它就可以得到奖励或者惩罚。

以一只狗为例，狗是这里的主体，狗主动采取动作，那么对应地做出反应，比如扔给它一块骨头作为奖赏。

图 2

注意，我们的大脑也有一组位于前脑底部的皮层下核，称为基础神经节。根据神经系统科学中的论述，基础神经节负责动作的选择，也就是说，它负责给出在任一给定时应该从几种可执行动作中选择执行哪一个动作。