章节 09 · 方法
强化学习：奖励与试错
强化学习像训练宠物：做对就奖励，做错就扣分，在一次次试错中学会拿到最高分。
一条循环
机器先看「状态」，做一个「动作」，环境给出「奖励」，它再根据奖励调整策略……如此循环，越练越强。
靠它出名的事
AlphaGo 下围棋、游戏 AI 打电动、机器人学走路，背后都有强化学习的功劳。
强化学习像训练宠物：做对就奖励，做错就扣分，在一次次试错中学会拿到最高分。
机器先看「状态」，做一个「动作」，环境给出「奖励」，它再根据奖励调整策略……如此循环，越练越强。
AlphaGo 下围棋、游戏 AI 打电动、机器人学走路，背后都有强化学习的功劳。