强化学习（reinforcement learning）

强化学习让机器像训练小狗一样学习：不是把正确答案直接摊给它看，而是让它去尝试，再根据结果给予奖励或责罚。这个学习者——称为「智能体」——做出一个动作，看看会发生什么，然后收下一份奖励或惩罚。经过成千上万次尝试，它会逐渐偏向那些能赚到最多奖励的做法。从没有人告诉它正确的一步该怎么走；它只能在「玩」的过程中自己摸索出来。

正因如此，它在游戏和机器人领域才如此强大。一个学下国际象棋或玩电子游戏的程序，得到的只是一个信号——你赢了、你输了、你得分了——它必须自己弄清楚，在它走过的众多步子里，到底哪一步真正起了作用。一个学走路的机器人，会因为站稳、向前迈进而得到奖励，于是跌跌撞撞地摸索出一套能用的步态。智能体始终被两股冲动拉扯：是利用它已经学会的招数，还是去探索某个可能回报更高的新尝试。

里程碑出现在 2013 至 2015 年，DeepMind 的 DQN 仅凭屏幕上的原始像素和分数，从零学会了玩几十款雅达利游戏——并在许多款上击败了人类高手，而且每一款用的都是同一套算法、同样的网络结构和同样的设置（只是为每款游戏分别训练了一份独立的副本）。一个常见的误解是，机器是「被编程成会赢」的。其实并非如此：它一开始只是胡乱挥舞、毫无章法，全靠自己笨拙摸索的后果，一点点学了出来。