Y. F. Chen， M. Everett， M. Liu and J. P. How， “Socially aware motion planning with deep reinforcement learning，” 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems ， Vancouver， BC， 2017， pp. 1343-1350， doi: 10.1109/IROS.2017.8202312.
突破技术强化学习（Reinforcement Learning，RL）是一种人工智能方法，能使计算机在没有明确指导的情况下像人一样自主学习。重要意义假如机器不能自主通过环境经验磨炼技能，自动驾驶汽车以及其他自动化领域的进展速度将受到极大的限制。
数据给你一双看透本质的眼睛，这里是《数据分析思维课》。前面几节课给我们讲了各种各样的算法，分类、聚类、关联规则、蒙特卡洛、协同过滤、马尔可夫链……这节课是我们数据算法这章的最后一节课了，我们来聊聊到目前为止人工智能领域里的终极算法——深度学习算法。
来源：环球时报近期，人工智能领域迭代迅速，技术取得了一系列突破。首先是谷歌AI团队DeepMind所研究的 AlphaFold 算法攻克了困扰生物学家半个世纪的蛋白折叠问题。随后，由著名机器人公司波士顿动力研制的机械动力狗开始在切尔诺贝利勘察辐射地区。
红极一时的耶鲁大学法学院教授——美国虎妈蔡美儿曾经在她的一本育儿书《我在美国做妈妈：耶鲁法学院教授的育儿经》中写道：要想走向卓越，就得坚持不懈地练习、练习、再练习；而美国父母则不欣赏机械的重复。其实，不管是弹奏钢琴还是演算数学，一旦孩子展现了杰出的天赋，就会得到赞扬、钦佩和满足。
本文是强化学习名作——“ReinforcementLearning: an Introduction”一书中最为重要的内容，旨在介绍学习强化学习最基础的概念及其原理，让读者能够尽快的实现最新模型。毕竟，对任何机器学习实践者来说，RL都是一种十分有用的工具，特别是在AlphaGo的
假若，它若是有开创性思维，它就应该去颠覆人类在围棋盘上的所有旧思维和旧观念，当然，我是指存在人们心中数百年以来的围棋传统思维，围棋里面的金角银边草肚皮观念，就是古人对于边角的格外重视，也是人类对于围棋游戏胜负规则的经验感悟，吴清源说过，只有忘掉所有的围棋定律，去走出人类始终从没有
