進(jìn)入到2021年，AI領(lǐng)域的你最應(yīng)該學(xué)的是什么？我覺得是強(qiáng)化學(xué)習(xí)。

為什么這么說？首先要知道什么是強(qiáng)化學(xué)習(xí)。 強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，是一種行為學(xué)習(xí)模型。由算法提供數(shù)據(jù)分析反饋，引導(dǎo)用戶逐步獲取最佳結(jié)果。主要解決在 Markov Decision Process(MDP) 中優(yōu)化長期reward的期望的問題。 強(qiáng)化學(xué)習(xí)也是現(xiàn)在非常熱門的方向，在近幾年的所有頂級計(jì)算機(jī)會議中，強(qiáng)化學(xué)習(xí)都有明顯的增長趨勢。 比如在ICML 2020 熱門話題引用量最高的論文就是強(qiáng)化學(xué)習(xí)！

同時(shí)在12月30剛結(jié)束的首屆谷歌足球Kaggle競賽中，使用了深度強(qiáng)化學(xué)習(xí)的騰訊AI足球隊(duì)—絕悟(WeKick)，也以顯著優(yōu)勢奪得冠軍！

不僅如此，工業(yè)界中，已經(jīng)有很多將強(qiáng)化學(xué)習(xí)應(yīng)用于推薦系統(tǒng)的研究，也有一些自動駕駛公司在嘗試使用強(qiáng)化學(xué)習(xí)的技術(shù)。 在學(xué)術(shù)界中，除了強(qiáng)化學(xué)習(xí)本身關(guān)注的問題以外，也有一些NLP的問題可以利用強(qiáng)化學(xué)習(xí)來解決。 學(xué)習(xí)強(qiáng)化學(xué)習(xí)，想要發(fā)表論文和落地應(yīng)用，就一定要理解并掌強(qiáng)化學(xué)習(xí)領(lǐng)域的經(jīng)典Paper，才能梳理出主要的知識框架。

責(zé)任編輯：xj

原文標(biāo)題：10 篇論文攻克深度強(qiáng)化學(xué)習(xí)底層原理，推薦一個(gè)論文復(fù)現(xiàn)的好方向！

文章出處：【微信公眾號：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。