深度强化学习（1） 什么是深度强化学习？
强化学习
一般来说机器学习模式可以分为三类：
- 有监督学习：Supervised Learning
- 无监督学习：Unsupervised Learning
- 强化学习：Reinforcement Learning
强化学习与其佢两种机器学习模式差距好大， 解决嘅问题都有好大不同。 由于强化学习涉及概念比较多， 而且训练比较难， 所以喺一般嘅机器学习书籍中， 都唔会涉及强化学习， 而是由专门嘅书籍介绍。
有监督学习和无监督嘅学习嘅输出一般都系肯定性嘅答案， 比如： 模型会畀出数据归属于哪一个类型， 抑或畀出一个数值型嘅预测结果。 而强化学习嘅目标系训练一个 agent， 呢个agent 会根据环境反馈， 输出一系列决策， 而唔系只输出一个结果。 相比其他两种模型， 强化学习模型更加类似人类大脑， 可以根据环境， 不断嘅做出决策。
深度强化学习 系将深度学习中嘅神经网络引入强化学习后得到嘅模型。
强化学习嘅应用大家其实并不陌生， 吓都系啲好出名嘅应用。
玩游戏
AlphaStar ： 强化学习玩《星海争霸2 / starcraft2》
棋类游戏
最出名嘅就系击败咗人类捉围棋高手嘅 AlphaGo
自动驾驶
自动驾驶系司机（ agent ）在环境（道路）嘅反馈的，做出一系列决策嘅过程。 呢个过程非常符合强化学习模型嘅决策过程。
工业自动化
强化学习可以用嚟控制生产线上嘅各种工业机械人嘅活动。
自动化金融交易
金融交易其实都系基于金融市场嘅一系列嘅决策过程， 好符合强化学习嘅范式。 目前呢个领域有有大量嘅研究成果。
自然语言处理（ Natural Language Processing，NLP ）
由于语言资料都可以视为时序数据， 因此我哋都可以用强化学习嚟解决 NLP中嘅问题。
医疗决策
强化学习可以用嚟优化治疗手段， 这类研究被归为 dynamic treatment regimes （ DTRs ） 问题。
工业生产线
Meta 开发咗 Horizon，一个开源嘅强化学习平台，用嚟提升大规模生产线嘅效率。 Horizon: The first open source reinforcement learning platform for large-scale products and services
推荐系统
由于强化学习可以对环境嘅变化做出好好嘅反馈， 所以相比较传统举荐系统， 基于强化学习嘅举荐系统可以更快嘅适应用户兴趣啲嘅变化。
实时竞价
在线广告系统每秒中都会做出大量嘅决策， 强化学习可以帮助在线广告系统喺短时间内快速嘅做出决策。