什么是强化学习？

为了理解强化学习，让我们从宏观角度开始。

宏观角度

强化学习背后的理念是，一个智能体（AI）将通过与环境互动（通过试错）并接收奖励（负面或正面）作为执行动作的反馈来从环境中学习。

从与环境的互动中学习源于我们的自然经验。

例如，想象一下让你的小弟弟玩一个他从未玩过的电子游戏，给他一个控制器，然后让他一个人玩。

你的弟弟会通过按下正确的按钮（动作）与环境（电子游戏）互动。他得到了一枚硬币，这是一个 +1 的奖励。这是正面的，他刚明白在这个游戏中他必须得到硬币。

但是，他再次按下右键，然后他碰到了一个敌人。他刚刚死了，所以这是一个 -1 的奖励。

通过与环境的试错互动，你的小弟弟明白到他需要在这个环境中获得硬币，但要避开敌人。

在没有任何监督的情况下，这个孩子玩游戏会越来越好。

这就是人类和动物学习的方式，通过互动。强化学习只是从行动中学习的一种计算方法。

正式定义

我们现在可以给出一个正式定义

但是强化学习是如何工作的呢？