或許與圍棋連勝兩局地球上最聰明的人之一相比，抓取物體聽起來并沒有那么酷炫——畢竟我們大多數人不會手滑拿不住一個杯子须教，就連一個2歲小孩也能夠學會把地上的玩具撿起來。不過倘若說這背后所涉及到的方式方法與AlphaGo戰(zhàn)勝李世石所用的是一個模子里面刻出來的，你是否就會有些興趣了呢轻腺？

這兩者的背后都使用了強化學習 (reinforcement learning) 的算法乐疆。什么叫做強化學習呢？我們打個比方：當你在訓練狗狗坐下的時候贬养，如果它做出對的動作挤土，你會給它一塊小餅干，跟它說“乖寶寶”误算；如果它做錯了仰美，它將沒有餅干，或者輕輕的被你拍一下頭儿礼；經過長時間的訓練之后咖杂，它就知道坐下，就能夠得到獎勵蚊夫。這對于機器來講也是一樣的诉字，只不過對它而言小餅干，就是一個對未來收益的預期知纷，而它的目標就是如何做出對的選擇壤圃，來最大化這個收益。

有了基本的概念之后琅轧，我們再來看一下維基百科嚴格的定義：強化學習是機器學習中的一個領域伍绳，強調如何基于環(huán)境而行動，以取得最大化的預期利益乍桂。其靈感來源于心理學中的行為主義理論冲杀，即有機體如何在環(huán)境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預期睹酌，產生能獲得最大利益的習慣性行為权谁。換言之，只要我們能夠有效的區(qū)分“好”和“壞”忍疾，那么我們就可以用增強學習的方法闯传，讓機器在不斷的實驗中谨朝，逐漸學會做出“好”的行為卤妒。

這種方法與傳統(tǒng)程序編寫的最大區(qū)別就在于，傳統(tǒng)意義上的程序是通過分析以及一系列的if-else來表達我們對于事情的理解字币，換言之则披，這種方法最大的弊端就是，倘若我們不能夠清晰的梳理出一件事情為什么這樣做的時候洗出，我們便無從成功的讓機器模仿做出類似的行為士复，更無法處理形形色色的突發(fā)意外情況。然而強化學習的方法則我們只需要提供一個“足夠好”的初始條件，接下來阱洪，讓機器自己在無數次的失敗中調整便贵、學習就好。就拿圍棋來說冗荸，研究人員無需先成為圍棋的個中高手承璃，AlphaGo在與李世石對決以前，它已經和自己下了以百萬為單位局的圍棋蚌本，并從自己身上學到了無數的教訓了盔粹。同樣，我們無須理解我們是如何能夠抓起形形色色的物體的程癌，研究人員觀察到800,000的練習之后舷嗡，機器開始學會硬的物體要抓邊緣，柔軟的物體則可以捏著中間嵌莉，甚至一些形狀不規(guī)則或者被擋住的物體进萄，它們還會先把障礙清開，是不是很聰明呢烦秩？有興趣的朋友可以看看論文的原文垮斯。

當然除了研究上的意義，我更關心的是只祠，這將給工業(yè)界帶來怎樣的震動兜蠕。畢竟，我們很多決策問題都有類似明確的“好”與“壞”的標準抛寝，而倘若我們能夠恰當的把增強學習的方法帶入到應用當中熊杨，或許人和機器的分工又將再一次被深刻的改變。