Deep Reinforcement Learning(深度强化学习)
本仓库由“深度强化学习实验室(DeepRL-Lab)”创建,希望能够为所有DRL研究者,学习者和爱好者提供一个学习指导。
如今机器学习发展如此迅猛,各类算法层出不群,特别是深度神经网络在计算机视觉、自然语言处理、时间序列预测等多个领域更是战果累累,可以说这波浪潮带动了很多人进入深度学习领域,也成就了其一番事业。而强化学习作为一门灵感来源于心理学中的行为主义理论的学科,其内容涉及概率论、统计学、逼近论、凸分析、计算复杂性理论、运筹学等多学科知识,难度之大,门槛之高,导致其发展速度特别缓慢。围棋作为人类的娱乐游戏中复杂度最高的一个,它横竖各有19条线,共有361个落子点,双方交替落子,状态空间高达10的171次方(注:宇宙中的原子总数是10的80次方,即使穷尽整个宇宙的物质也不能存下围棋的所有可能性)
1、Deep Reinforcement Learning?
时间 | 内容 |
---|---|
2015.10 | 由Google-DeepMind公司开发的AlphaGo程序击败了人类高级选手樊麾,成为第一个无需让子即可在19路棋盘上击败围棋职业棋手的计算机围棋程序,并写进了历史,论文发表在国际顶级期刊《Science》上 |
2016.3 | 透过自我对弈数以万计盘进行练习强化,AlphaGo在一场五番棋比赛中4:1击败顶尖职业棋手李世石。 |
2016.12 | Master(AlphaGo版本)开始出现于弈城围棋网和腾讯野狐围棋网,取得60连胜的成绩,以其空前的实力轰动了围棋界。 |
- | DeepMind 如约公布了他们最新版AlphaGo论文(Nature),介绍了迄今最强最新的版本AlphaGo Zero,使用纯强化学习,将价值网络和策略网络整合为一个架构,3天训练后就以100比0击败了上一版本的AlphaGo。AlphaGo已经退休,但技术永存。DeepMind已经完成围棋上的概念证明,接下来就是用强化学习创造改变世界的价值。 |
围棋被攻克证明了强化学习发展的威力,作为AlphoGo的带头人,强化学习界的大神,David Sliver提出人工智能的终极目标是:
AI = DL(Deep Learning) + RL(Reinforcement Learning) == DRL(Deep Reinforcement Learning)
2、Application?
在深度学习已经取得了很大的进步的基础上,深度强化学习真正的发展归功于神经网络、深度学习以及计算力的提升,David就是使用了神经网络逼近值函数后提出深度强化学习(Deep Reinforcement Learning,DRL),并证明了确定性策略等。纵观近四年的ICML,NPIS等顶级会议论文,强化学习的理论进步,应用领域逐渐爆发式增广,目前已经在如下领域有了广泛使用:
- 自动驾驶:自动驾驶载具(self-driving vehicle)
- 控制论(离散和连续大动作空间): 玩具直升机、Gymm_cotrol物理部件控制、机器人行走、机械臂控制。
- 游戏:Go, Atari 2600(DeepMind论文详解)等
- 自然语言处理:机器翻译, 文本序列预测,问答系统,人机对话
- 超参数学习:神经网络参数自动设计
- 推荐系统:阿里巴巴黄皮书(商品推荐),广告投放。
- 智能电网:电网负荷调试,调度等
- 通信网络:动态路由, 流量分配等
- 财务与财经系统分析与管理
- 智能医疗
- 智能交通网络及网络流
- 物理化学实验:定量实验,核素碰撞,粒子束流调试等
- 程序学习和网络安全:网络攻防等
3、一流研究机构有哪些?
机构名 | Logo | 官网 | 简介 |
---|---|---|---|
DeepMind | ![]() |
Access | DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。 |
OpenAI | ![]() |
Access | OpenAI是一个非营利性人工智能(AI)研究组织,旨在促进和发展友好的人工智能,使人类整体受益。这家总部位于旧金山的组织成立于2015年底,旨在通过向公众开放其专利和研究,与其他机构和研究人员“自由合作”。创始人(尤其是伊隆马斯克和萨姆奥特曼)的部分动机是出于对通用人工智能风险的担忧。 |
UC Berkeley | Access1 Access2 |
||
... |
4、业界大佬有哪些?
Name | Company | Homepage | about |
---|---|---|---|
Richard Sutton | Deepmind | page | 强化学习的祖师爷,著有《Reinforcement Learning: An Introduction》 |
David Sliver | DeepMind | page,Google学术 | AlphaGo、AlphaStar掌门人,UCL公开课主讲人,他工作重点是将强化学习与深度学习相结合,包括一个学习直接从像素中学习Atari游戏的程序。领导AlphaGo项目,最终推出了第一个在Go全尺寸游戏中击败顶级职业玩家的计划。 AlphaGo随后获得了荣誉9丹专业认证;并因创新而获得戛纳电影节奖。然后他领导了AlphaZero的开发,它使用相同的AI来学习玩从头开始(仅通过自己玩而不是从人类游戏中学习),然后学习以相同的方式下棋和将棋,比任何其他计算机更高的水平方案 |
Oriol Vinyals | DeepMind | AlphaStar主要负责人 | |
Pieter Abbeel | UC Berkeley | page,Google学术 | 机器人和强化学习专家 加州大学伯克利分校教授,EECS,BAIR,CHAI(2008-),伯克利机器人学习实验室主任,伯克利人工智能研究(BAIR)实验室联合主任,联合创始人,总裁兼首席科学家covariant.ai(2017-),研究科学家(2016-2017),顾问(2018-)OpenAI,联合创始人Gradescope(2014-2018:TurnItIn收购) |
5、如何学习?
内容 | 学习方法与资料 |
---|---|
补充数学基础(高数、线代、概率论) | Access |
基础与课程学习 | Access |
强化学习竞赛 | Access |
开源框架学习 | Access |
6、关于深度强化学习实验室
发起人 | J.Q.Wang | - |
---|---|---|
成员 | 包含教授、讲师、博士、硕士、本科、 | 学术界:清华、北大、山大、浙大、北航、东南、南大、大工、天大、中科大、北理工、国防科大、牛津大学、帝国理工、CMU、南洋理工、柏林工业、西悉尼大学、埃默里大学等 工业界:腾讯、阿里巴巴、网易、头条、华为、快手等 |
愿景 | DeepRL | [1]. 提供最全面的深度强化学习书籍、资料、综述等学习资源。 [2]. 阐述深度强化学习的基本原理、前沿算法、场景应用、竞赛分析、论文分享等专业知识。 [3]. 分享最前沿的业界动态和行业发展趋势。 [4]. 成为所有深度强化学习领域的研究者与爱好者交流平台。 |
@致谢
欢迎每一位伙伴积极为项目贡献微薄之力,共同点亮星星之火。
贡献者列表(排名不分先后):
@taoyafan,@BluesChang,@Wangergou123,@TianLin0509,@zanghyu,@hijkzzz,@tengshiquan
@联系方式
Title | |
---|---|
微信群聊 | 加微信助手:NeuronDance(进交流群) |
联系邮箱 | wjq_z@qq.com |
CSDN博客 | 深度强化学习(DRL)探索 |
知乎专栏 | DeepRL基础探索/DeepRL前沿论文解读 |
微信公众号 | 如下图 |