ML Lecture 23-1: Deep Reinforcement Learning

Deep Reinforcement Learning = Deep Learning + Reinforcement Learning

Scenario of Reinforcement Learning

在RL裡，有兩個角色：Agent（機器）與Environment（環境）

Agent負責觀察環境，叫做observation或state（環境的狀態）

Agent會做一些事情，會影響環境，影響了環境之後會得到 Reward，告訴機器他的影響是好的還是不好的

舉例來說：

1. 機器（agent）觀察到了環境中有一杯水（observation/state），機器打翻這杯水（做事情影響環境），並得到一個負面的Reward，此時機器知道他做錯了
2. 接著，機器觀察到了環境中有一杯被打翻的水，機器清理他，並得到一個正面的Reward，此時機器知道他做對了

機器的目標是，學習去採取「可以Maximize Reward」的Action

Learning to play Go

若以alpha go 為例，環境就是棋盤，可以看成一個19*19的矩陣，action就是落子

不過大多數的情況reward都是0，贏了才是1，輸了是-1