站在AI与神经科学交叉点上的强化学习

一，强化学习概述让机器来决策，首先体现在如何模仿人类的决策。对于决策这个问题， 对于人类是困难的， 对于机器就更难。而强化学习， 就是一套如何学习决策的方法论。强化学习最初的体现就是试错学习， 因此理解强化学习的第一个层次就是如何通过一个简单的机制在不确定的环境下进行试错， 掌握有用的信息。
2019计算与系统神经科学大会Cosyne 前沿研究汇总

吸引子2019-10-30 18:15:01

强化学习之所以没有落地是因为在单任务上可行，在多任务上就成为瞎子，在工作中，很多时候情况都是很多事赶到一起了，让这个人做决策，事情哪个更重要，重要的急不急，排个顺序，这件事发生了要不要处理，处理需要什么方法，能不能一种方法一石二鸟的创新性的解决两个问题或多个问题，这就是多任务的常态和应对思考框架，这跟认知应该也有很大关系，认知程度高，做事也会得心应手，游刃有余，无人驾驶一直没有强化学习的生存空间，就是时刻多变环境，多任务的叠加，加之时间又短，没有足够的把握使得无人驾驶足够安全，期待新技术新理论能给强化学习带来春天！

SEE2019-10-14 01:24:34

写的很好 哈哈

杨大宝2019-10-13 23:24:50

知乎上看到专栏发布了，公众号上又看到发布，果断打赏，希望作者多多产出～