GoogleDeepMind CEO Demis Hassabis 谈为什么应用于现实世界的强化学习很难做，其奖励函数很难定义：
我认为，在我们人类世界中，我们自己就没有单一的目标函数，这是一个非常复杂和动态的过程。事实上，如果你问任何一个人，他在特定的一天里在优化什么，他都可能给出不同的答案。
我们本质上是多目标的，并且会根据自己的情绪、环境、人生阶段等一系列状态，持续地动态调整各个目标之间的权重。但不知何故，我们的大脑总能应对自如，大致摸索出正确的「北极星」来指引方向。
————
其实，也有很多人的大脑应对不怎么自如，摸索不出北极星，不然怎么那么多人「听过很多大道理，但依然过不好这一生」。[泪奔][泪奔]
猜你喜欢
【4评论】【2点赞】
【59评论】【81点赞】
【2评论】【16点赞】
![华为不小心又得了个第一[捂脸哭][捂脸哭][捂脸哭]](http://image.uczzd.cn/13108934159867420374.jpg?id=0)
【17评论】【24点赞】
作者最新文章
热门分类
汽车TOP
汽车最新文章