通用强化学习用算法发现算法：DeepMind 数据驱动「价值函数」自我更新，14款A…

图片地址：https://n.sinaimg.cn/sinakd20200727s/482/w900h382/20200727/0581-iwxpesx2504546.jpg

「深蓝」并非以智取胜，而是一个劳动密集型选手当「深蓝」在1997年击败国际象棋世界冠军卡斯帕罗夫时，人工智能似乎要来了。一台电脑击败了有史以来最聪明的国际象棋选手之一，很多人惊呼，电脑要超越人类了。然而事实并非如此，虽然「深蓝」是一段精心编制的程序，但这种方法过于劳动密集，过于依赖清晰的规则和有限的可能性，无法迁移到更复杂的游戏中，更不用说现实世界了。深度学习成功的关键在于算法基本上是自己编写的，给定数据集，他们从中学习到一些表征，所谓的算法就是这么出来的。而DeepMind 正在开发一种新的元学习算法来进一步实现自动化，这种算法能够从零开始发现自己的价值函数--深度强化学习中的一个关键编程规则。近日该论文发表在了arxiv上