近兩年機器智能取得重大突破，像圍棋九段高手李世石敗北Alpha Go，DeepMind團隊研發(fā)的機器人在Atari多項游戲上超越人類水平。這些突破主要得益于從基于深度學習的視覺、語音、語義感知到動作反饋的激勵懲罰強化訓練模式。本文從概念上分析深度強化學習的要點，部分摘于ICML 2016 Tutorial里的Deep Reinforcement Learning[1]的報告。

　　強化學習，即機器人根據(jù)環(huán)境里動作得到的懲罰和激勵去自動調(diào)整策略。通過訓練，機器人學到一組策略：在環(huán)境狀態(tài)S下應采取動作A，（可）能獲得最大累積獎勵V。

　　強化學習有豐富的交叉學科背景，包括經(jīng)濟學、工程學、神經(jīng)科學里的博弈論、優(yōu)化控制，條件反射系統(tǒng)。