2、强化学习：从人类学习到机器智能

强化学习：从人类学习到机器智能

1. 人类学习的奥秘

人类如何学习这一问题困扰了思想家们数千年。希腊哲学家柏拉图和他的学生亚里士多德曾思考：真理和知识是内在的（理性主义）还是源于经验（经验主义）？即便在2500年后的今天，人类仍在探寻这个永恒的问题。

如果人类无所不知，就无需再经历生活。人们可以将时间用于改善生活、思考诸如“钥匙在哪”“是否锁门”等问题。但知识最初是如何获得的呢？虽然教育能传授知识，且更高的教育水平有助于社会发展，但并非所有知识都能通过教导获得。无论是在课堂还是生活中，学生都需要亲身经历。

幼儿的学习过程便是很好的例证。他们需要体验各种情境和结果，逐渐寻求有益的体验，避免不利的体验。他们积极做决策并评估结果，但孩子的生活充满困惑，奖励也常常具有误导性。例如，爬进橱柜吃饼干能带来即时的满足，但可能会受到更大的惩罚。

强化学习融合了两项任务：一是探索新情境，二是利用经验做出更好的决策。随着时间推移，这会形成完成任务的计划。比如，孩子学会走路，是在经历多次扶着、摇晃和摔倒后，通过向前倾斜并投入父母怀中实现的。最终，婴儿的腿部肌肉会协同工作，采用多步策略来决定何时移动。由于无法教会孩子所有的计划，生活便提供了一个学习框架。

2. 为何现在需要强化学习

如今需要并能够实现强化学习，主要有两个原因：大量数据的获取和更快的数据处理速度。

直到2000年，人类知识存储在书籍、报纸和磁带等模拟设备上。1993年，压缩这些知识需要15.8艾字节（1艾字节 = 10亿吉字节）的空间，而到2018年，这一数字增长到了33泽字节（1泽字节 = 1000亿吉字节）。云服务提供商甚至需要使用集装箱大小的硬盘来上