強化學習（reinforcement learning）

強化學習讓機器像訓練小狗一樣學習：不是把正確答案直接攤給牠看，而是讓牠去嘗試，再根據結果給予獎勵或責罰。這個學習者——稱為「智能體」——做出一個動作，看看會發生什麼，然後收下一份獎勵或懲罰。經過成千上萬次嘗試，牠會逐漸偏向那些能賺到最多獎勵的做法。從沒有人告訴牠正確的一步該怎麼走；牠只能在「玩」的過程中自己摸索出來。

正因如此，它在遊戲和機器人領域才如此強大。一個學下西洋棋或玩電子遊戲的程式，得到的只是一個訊號——你贏了、你輸了、你得分了——它必須自己弄清楚，在它走過的眾多步子裡，到底哪一步真正起了作用。一個學走路的機器人，會因為站穩、向前邁進而得到獎勵，於是跌跌撞撞地摸索出一套能用的步態。智能體始終被兩股衝動拉扯：是利用它已經學會的招數，還是去探索某個可能回報更高的新嘗試。

里程碑出現在 2013 至 2015 年，DeepMind 的 DQN 僅憑螢幕上的原始像素和分數，從零學會了玩數十款雅達利遊戲——並在許多款上擊敗了人類高手，而且每一款用的都是同一套演算法、同樣的網路結構和同樣的設定（只是為每款遊戲分別訓練了一份獨立的副本）。一個常見的誤解是，機器是「被程式設計成會贏」的。其實並非如此：它一開始只是胡亂揮舞、毫無章法，全靠自己笨拙摸索的後果，一點點學了出來。