深度强化学习进展:从AlphaGo到AlphaGo Zero

摘要：

2016年初,AlphaGo战胜李世石成为人工智能的里程碑事件.其核心技术深度强化学习受到人们的广泛关注和研究,取得了丰硕的理论和应用成果.并进一步研发出算法形式更为简洁的AlphaGo Zero,其采用完全不基于人类经验的自学习算法,完胜AlphaGo,再一次刷新人们对深度强化学习的认知.深度强化学习结合了深度学习和强化学习的优势,可以在复杂高维的状态动作空间中进行端到端的感知决策.本文主要介绍了从AlphaGo到Alpha-Go Zero的深度强化学习的研究进展.首先回顾对深度强化学习的成功作出突出贡献的主要算法,包括深度Q网络算法、A3C算法、策略梯度算法及其他算法的相应扩展.然后给出AlphaGo Zero的详细介绍和讨论,分析其对人工智能的巨大推动作用.并介绍了深度强化学习在游戏、机器人、自然语言处理、智能驾驶、智能医疗等领域的应用进展,以及相关资源进展.最后探讨了深度强化学习的发展展望,以及对其他潜在领域的人工智能发展的启发意义.

关键词：深度强化学习、AlphaGoZero、深度学习、强化学习、人工智能

所属期刊栏目：34

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金项目61603382,61573353,61533017资助.Supported by the National Natural Science Foundation of China61603382,61573353,61533017

在线出版日期：2018-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：1529-1546