自从有了强化学习，AI上能星际争霸，下能雅达利称王，让内行人沉醉，让外行人惊奇。这里恰有一份标星过万的强化学习资源，既有教程推荐，又有配套练习，网友学了都说好，并且还在实时更新。入学要求并不高，只需要一些基础的数学和机器学习知识。Denny Britz 小

足球是迄今为止世界上最受欢迎的运动。全球拥有超过40亿球迷，足球已被证明可以超越世代，超越了地缘政治竞争，甚至超越了战争冲突。这种热情已转移到视频游戏领域，其中像FIFA这样的游戏经常被列为全球最受欢迎的视频游戏之一。像FIFA这样的环境的复杂性经常给AI

强化学习是当前最热门的研究课题之一，它在AlphaGo中大放光彩，同时也变得越来越受科研人员的喜爱。强化学习是一种机器学习方法，它使Agent能够在交互式环境中年通过试验并根据自己的行动和经验反馈的错误来进行学习。PacMan在网格中的位置就是其所处的状态

本文将带你学习经典强化学习算法 Q-learning 的相关知识。在这篇文章中，你将学到：Q-learning 的概念解释和算法详解；通过 Numpy 实现 Q-learning。假设你是一名骑士，并且你需要拯救上面的地图里被困在城堡中的公主。如果进入到城

许多机器学习研究旨在从神经科学、心理学和儿童发展中汲取灵感，宣传诸如Hebbian学习、好奇心驱动的探索或课程学习等概念，并将其作为建筑设计或学习理论最新转折的理由——而且往往是一种后合理化。然而，我们通常忽略了这样一个事实：即现代机器学习工具包既没有接近

DeepMind 和 OpenAI 是现在人工智能研究界最重要的两大研究机构，当其联手时，我们能看到什么样的成果诞生呢？近日，一篇题为《Deep reinforcement learning from human preferences》的论文让我们看到这

研究表明，到2040年，销售的新车中95％将是完全自主驾驶的汽车。乘坐自主驾驶汽车每年避免的交通事故可以挽救125万人的生命。由于这些影响，自主驾驶汽车将成为一个价值数万亿美元的行业。这些预测的奖励正式称为Q值。Q值基本上定义了某个状态的"好&q

人工智能顶会NeurIPS 2018正在如火如荼的进行着，并且首次在第一天增加了Expo Workshop。一共有十家公司有幸拿到了组织workshop的机会，其中中国有四家，分别是阿里巴巴，百度，Pony.AI和网易。其中，AI方面一向低调的网易首次公布

强化学习可以应用于人工智能以外的世界。强化学习本身是机器学习的一个领域，致力于在外部奖励的背景下优化行为。这篇文章中讨论的不是整个RL，而是动作选择中随机性的作用。乍一看，随机性的概念对一个旨在达到最佳行为的算法来说似乎是违反直觉的。然而，事实证明随机行为

MDP小结MDP是强化学习入门的关键一步，如果这部分研究的比较清楚，后面的学习就会容易很多。因此值得多些时间在这里。虽然MDP可以直接用方程组来直接求解简单的问题，但是更复杂的问题却没有办法求解，因此我们还需要寻找其他有效的求解强化学习的方法。