深度強化學習（deep reinforcement learning）

傳統強化學習用一張表格存放價值，每個狀態一格。這在井字遊戲上行得通，但只要狀態變成影像、感測器訊號或數不清的棋盤局面，表格就崩潰了。深度強化學習把表格換成神經網路：智能體不再查表，而是直接從原始輸入算出價值，學習就是微調網路權重，讓它的猜測愈來愈準。同一套能讓網路從像素認出貓的機制，也能讓智能體估計眼前這個畫面有多好。

具體做法是：拿任何一個強化學習演算法——Q 學習、策略梯度、行動者–評論家——把它的查表換成擁有數百萬參數的函數近似器，再以源自貝爾曼方程或策略目標的損失，用梯度下降來訓練。好處是泛化：網路在相似狀態間共享結構，所以一個情境學到的經驗能遷移到沒見過的情境。代價是脆弱：表格能容忍的移動目標與相關資料，會讓天真的深度強化學習變得不穩定，這也正是本領域其餘條目存在的理由。