人工智能技術(shù)進(jìn)步的速度越來越快，每種細(xì)分技術(shù)所創(chuàng)造的價(jià)值正日益得到展現(xiàn)。

2013年，DeepMind發(fā)明了DQN算法，成功將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合起來，開啟了深度強(qiáng)化學(xué)習(xí)的新紀(jì)元。此后數(shù)年，強(qiáng)化學(xué)習(xí)的成果日新月異，很多非常困難的問題都被深度強(qiáng)化學(xué)習(xí)算法解決。

2016年，谷歌阿爾法圍棋以4:1戰(zhàn)勝圍棋世界冠軍、職業(yè)九段棋手李世石，不僅讓深度學(xué)習(xí)為人們所知，而且掀起了人工智能的“大眾熱”，大家由此更加關(guān)注強(qiáng)化學(xué)習(xí)這一技術(shù)要點(diǎn)。

使用強(qiáng)化學(xué)習(xí)的一個(gè)很好的例子是讓機(jī)器人學(xué)習(xí)如何走路。機(jī)器人首先向前邁出一大步然后跌倒。這一大步和摔倒是強(qiáng)化學(xué)習(xí)系統(tǒng)關(guān)注的響應(yīng)點(diǎn)。由于反饋是負(fù)面的，所以繼續(xù)調(diào)整，系統(tǒng)會(huì)根據(jù)多個(gè)負(fù)反饋的比對(duì)最終確定機(jī)器人應(yīng)該把步子邁的小一點(diǎn)，不停地小，直到機(jī)器人走路不會(huì)摔倒為止。

通過強(qiáng)化學(xué)習(xí)，Boston Dynamics公司的機(jī)器人已經(jīng)掌握了托舉、后空翻、跳上窗臺(tái)的要點(diǎn)。而迪斯尼幻想工程已經(jīng)把這一點(diǎn)帶到了一個(gè)新的層面，那就是讓人形機(jī)器人來執(zhí)行玩命的特技。

有業(yè)內(nèi)人士指出，強(qiáng)化學(xué)習(xí)和其他的人工智能技術(shù)有一個(gè)很大的差異，那就是它的學(xué)習(xí)范式和其它技術(shù)不太一樣。它不需要我們?nèi)ナ占瘮?shù)據(jù)，也不需要我們?nèi)プ鋈魏螛?biāo)記，而是我們把稱之為智能體（Agent），放在一個(gè)環(huán)境里，就像動(dòng)物或者我們自己生存的一個(gè)環(huán)境里，它會(huì)和環(huán)境自己打交道，自己學(xué)會(huì)在環(huán)境里如何完成一個(gè)任務(wù)，解決一個(gè)問題。

強(qiáng)化學(xué)習(xí)主要由智能體（Agent）、環(huán)境（Environment）、狀態(tài)（State）和動(dòng)作（Action）、獎(jiǎng)勵(lì)（Reward）組成。智能體將在環(huán)境的當(dāng)前狀態(tài)下，根據(jù)獎(jiǎng)勵(lì)信號(hào)做出動(dòng)作，從而達(dá)到環(huán)境中的不同狀態(tài)并得到獎(jiǎng)勵(lì)。

除了強(qiáng)化學(xué)習(xí)外，機(jī)器學(xué)習(xí)也備受關(guān)注。機(jī)器學(xué)習(xí)是AI的一個(gè)子集，是通過不同場(chǎng)景中的經(jīng)驗(yàn)來訓(xùn)練系統(tǒng)的能力。隨著車輛變得越來越自動(dòng)化，開發(fā)人員可以使用機(jī)器學(xué)習(xí)訓(xùn)練系統(tǒng)來識(shí)別對(duì)象，并用更少的數(shù)據(jù)更好地解釋其環(huán)境。

再來看一下深度學(xué)習(xí)。深度學(xué)習(xí)就是從有限樣例中通過算法總結(jié)出一般性的規(guī)律，并可以應(yīng)用到新的未知數(shù)據(jù)上。例如，我們可以從一些歷史病例的集合中總結(jié)出癥狀和疾病之間的規(guī)律。這樣，當(dāng)有新的病人到來時(shí)，我們可以利用總結(jié)出來的規(guī)律來判斷這個(gè)病人得了什么疾病。

那么，強(qiáng)化學(xué)習(xí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者的區(qū)別是什么？簡(jiǎn)單說，人工智能范圍最大，涵蓋機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。如果把人工智能比喻成孩子大腦，那么機(jī)器學(xué)習(xí)是讓孩子去掌握認(rèn)知能力的過程，而深度學(xué)習(xí)是這種過程中很有效率的一種教學(xué)體系。

由強(qiáng)化學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)構(gòu)成的人工智能，其良好的發(fā)展前景引人期待。從全國(guó)來看，據(jù)艾瑞咨詢測(cè)算，2022年國(guó)內(nèi)人工智能核心產(chǎn)業(yè)規(guī)模有望達(dá)到1573億元，復(fù)合增速達(dá)58%，產(chǎn)業(yè)將持續(xù)快速增長(zhǎng)。如此廣闊的市場(chǎng)空間，吸引著社會(huì)各界投資者的關(guān)注。

值得一提的是，發(fā)展“以人為本”的人工智能是全社會(huì)的課題，需要政府、商界、學(xué)界及所有利益相關(guān)方共擔(dān)責(zé)任，協(xié)力推動(dòng)。作為技術(shù)應(yīng)用與推廣的主體，企業(yè)負(fù)有不可推卸的社會(huì)責(zé)任。在研究強(qiáng)化學(xué)習(xí)相關(guān)技術(shù)時(shí)，企業(yè)要自覺遵守法規(guī)制度和社會(huì)公約，以此促進(jìn)其有序、可持續(xù)應(yīng)用。

未來，全球的可持續(xù)發(fā)展越來越依賴于數(shù)據(jù)創(chuàng)造的價(jià)值，而人工智能是數(shù)字經(jīng)濟(jì)中應(yīng)用十分廣泛的技術(shù)之一。或許再過幾年，AI將在精準(zhǔn)農(nóng)業(yè)、智能家居、遠(yuǎn)程醫(yī)療、自動(dòng)駕駛等領(lǐng)域發(fā)揮更加重要的作用。
責(zé)任編輯:tzh