人工智能技术的速度越来越快，每种细分技术所创造的价值正在日益得到证明。 2013年，DeepMind发明了DQN算法，该算法成功地将深度学习和强化学习相结合，开创了深度强化学习的新纪元。在接下来的几年中，强化学习的结果日新月异，并且深度强化学习算法解决了许多非常困难的问题。 2016年，Google AlphaGo击败了围棋世界冠军和职业九段棋手李世石4：1。这不仅使人们了解了深度学习，而且还引发了“流行热潮”。人工智能，每个人都更加注重强化学习。技术要点。使用强化学习的一个很好的例子是让机器人学习如何走路。机器人首先向前迈出了一大步，然后摔倒了。如此大的跌宕是强化学习系统关注的响应点。由于反馈为负，请继续进行调整，并且系统将根据多个负反馈的比较最终确定，机器人应该走得更小一点，并保持较小的步幅，直到机器人走路并不会跌倒为止。通过强化学习，波士顿动力公司的机器人已经掌握了提起，向后翻转和跳到窗台上的基本知识。迪士尼幻想项目已将这一点提升到了一个新的高度，即人形机器人执行了致命的特技表演。业内人士指出，强化学习与其他人工智能技术之间有很大的区别，即其学习范式不同于其他技术。它不需要我们收集数据，也不需要我们做任何标记。相反，我们称其为代理并将其放置在环境中，就像动物或我们生活的环境一样。自己应对环境，并学习如何完成任务和解决环境中的问题。强化学习主要由主体，环境，状态，行动和奖励组成。代理将根据环境当前状态下的奖励信号进行操作，从而到达环境中的不同状态并获得奖励。除了强化学习之外，机器学习也受到了很多关注。机器学习是AI的子集，它是通过在不同情况下的经验来训练系统的能力。随着车辆的自动化程度提高，开发人员可以使用机器学习训练系统来识别物体，并以更少的数据更好地解释其环境。让我们再次看一下深度学习。深度学习是使用算法从有限的示例中总结一般规则，并且可以应用于新的未知数据。例如，我们可以从一些历史案例中总结出症状和疾病之间的规则。这样，当新患者到达时，我们可以使用汇总规则来确定患者患有哪种疾病。那么，强化学习，机器学习和深度学习之间有什么区别？简而言之，人工智能具有最大的范围，涵盖了机器学习，深度学习和强化学习。如果将人工智能比喻为孩子的大脑，则机器学习是孩子掌握认知能力的过程，而深度学习是此过程中非常有效的教学系统。由强化学习，机器学习和其他技术组成的人工智能具有良好的发展前景。从国家的角度来看，根据艾瑞咨询（iResearch Consulting）的数据，预计到2022年，国内人工智能核心产业的规模将达到1,573亿元，复合增长率为58％，并且该产业将继续快速增长。如此广阔的市场空间吸引了各界投资者的关注。值得一提的是，“以人为本”的发展已成为现实。人工智能是整个社会的一个话题，它要求政府，企业，学术界和所有利益相关者共同承担责任并共同促进责任。企业作为技术应用和推广的主体，具有不可回避的社会责任。在研究与强化学习相关的技术时，公司必须自觉遵守法律法规和社会惯例，以促进有序和可持续地应用它们。未来，世界的可持续发展将越来越依赖于数据创造的价值，而人工智能是数字经济中使用最广泛的技术之一。也许几年后，人工智能将在精密农业，智能家居，远程医疗和自动驾驶领域发挥更重要的作用。