强化学习（RL）是否是人工智能的关键之处，能够给人工智能带来质

直接回答： RL 就是一种普通的机器学习研究框架，已经有几十年的历史。并不能给AI带来什么质变。 RL可以和监督学习，统计方法等组合套用解决实际的问题。包括围棋。

借用老板的话 “人类观察鸟受到启发而发明飞机，然而飞机的原理和鸟玩完全不一样”

人的学习，是社会推动，社会意识，家庭教育，小中大学教育共同结果，而不是由生理化学主导。否则你我就酗酒吸毒去啦，因为根据Reforcement Learning理论,嗑药才是最优解。


关于遗传得到的不是知识，而是奖励函数（reward function）
RL里有一个奖励函数(reward function) 对应我们人大脑和神经系统其他部分的的反应。比如吃糖，这个是能量物质，通过多巴胺等生理过程给予快乐的感觉，鼓励你多吃糖。另外一个例子是对冷热的感知，如果外接过冷或者过热，人接受到惩罚信号。

例子： 一个小猴子，冷了，它偶钻到地上被子里，发现暖和。这个时候它得到知识，这是reinforcement learning得到的。讨论到人。 如果妈妈说不能用手碰壁炉，你听话，这就是后天知识Taught Knowledge(TK) ，是人类经验的体现。 如果妈妈没教，你自己小时候被壁炉烫伤过，知道远离壁炉，这是Reinforcement Learning知识(RLK)。很显然，除非你是狼人，否则前者（TK）的知识远远比(RLK)多。

Taught Knowledge（TK）是理性的，社会监督导向，更高级的知识。 RL学到的，只是让你身体爽而已，可能让你无节制的吃，懒惰，嗑药。
所以人之所以智能，主要得益于我们的文明。人类社会发展是复杂的，不是一两个AI方法就能表达。我自己学习和研究AI，随着时间增加，反而陷入不可知论的思想里。


===============跑题 科普一下 增强学习reinforcement learning===========
图片来源：【2】Sutton Reinforcement learning: An introduction


如上题。 人工智能体Agent 和环境(Environment)发生交互而学习到知识。 以自动打吃豆豆游戏（Pac-man）为例。

1.人工智能体Agent（下文简称 Agent）观察环境，记录特征。 比如到最近豆豆的距离，
到最近鬼的距离。
2.采取行动，前后左右四个行动，选择一个走一格。
3. 得到一个反馈。 比如撞到鬼输了游戏减去100分，或者吃完所有豆豆，赢了游戏加 100分。
4.再次观察环境。 这个时候环境特征变化（和鬼的距离，和最近豆豆的距离）

增强学习目标： 总的反馈分数最大。

RL本质： 环境-行动 树的搜索。
一开始Agent在一个初始状态。比如停在停车每个状态下可以采取多个行动（前，后，左，右）转移到不同的状态（和鬼距离，和豆豆距离）

图片来源 【1】 BerkeleyX's CS188x PPT


S 三角形代表状态， <s,a>圆点代表选着的行动。RL本质和其他决策类AI并无不同，搜索上面这颗树。剩下的就是各种算法啦，可见并没有什么高深玄虚之处。
========================干货===============================
推荐 加州大学伯克利分校的 AI课程 ，免费世界上最好的AI课程。可以学习怎么自己设计RL智能。完成吃豆豆游戏哦
https://courses.edx.org/courses/BerkeleyX/CS188x_1/1T2013/info

=====================笑话==============================
前段时间有公司找我做技术合伙人，CEO安利了一堆情怀，并且组建了一个情怀团队，现在就缺一个码农。


感谢cousera ，edx, Stanford online,MIT open,清华学堂在线 等等资源，因为你们的无私，前言科学的学习曲线已近平缓很多。给了务实的人免费的上升渠道。


参考文献：
[1]BerkeleyX's CS188x PPT
[2]Sutton, R. S., & Barto, A. G. (1998). Reinforcement learning: An introduction. MIT press.

　　　　　　　　　　　　　 查看评论 回复