学习中判断

数据中学习，机器学习方法通常是从已知数据中去学习数据中缊含的规律或者判断规则，但是，已知数据主要是用作学习的素材，而学习的主要目的是推广，也就是把尝到 的规则应用到未来的新数据上并做出判断或预测。

在行动中学习，会遇到另一种类型的问题：利用学习得到的模型来指导行动。比如在下棋、股票交易或商业决策等场景中，我们关注的不是某个判断是否准确，而是行动过程能否带来最大的收益。为了解决这类问题，人们提出了一种不同的机器学习方法，称为强化学习。强化学习的目标是要获得一个策略去指导行动。在围棋博弈中，这个策略可以根据盘面形势指导每一步应该在哪里落子；在股票交易中，这个策略会告诉我们在什么时候买入、什么时候卖出。强化学习不需要一系列包含输入与预测的样本，它是在行动中学习。在2016年击败围棋世界冠军的机器人阿尔法狗，其令人惊的博弈能力就是通过强化学习训练出来的。

人工智能的科技浪潮正在深刻地改变着我们的世界并影响着我们的生活，我们的生产、生活、社交、娱乐等方方面面可以通过人工智能技术的应用得到进一步的提升。人工智能为我们展现了一个令人激动的前景，更加美好的时代需要我们共同去创造。

—-

编译者/作者：枫1

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。