什么是强化学习：设置奖励函数最为loss， 监督学习：标签准确率作为loss

什么是强化学习：设置奖励函数最为loss， 监督学习：标签准确率作为loss

什么是强化学习：在复杂环境中自主探索，适用于序列决策

• 最大优势：
  通过试错探索发现最优策略，适应环境动态变化，擅长解决需要长期规划和序列决策的问题。
• 典型案例：
  • 游戏AI（如AlphaGo/AlphaZero）：
    目标：围棋/象棋对弈中获胜。
    • 无标注数据，仅通过自我对弈生成数据，以“胜负”作为奖励信号。
    • AlphaGo通过强化学习击败人类冠军，AlphaZero仅用3天自我训练超越所有传统棋类AI。
  • 机器人控制（如波士顿动力机器人）：
    任务：机器人行走、跳跃、避障。
    • 无预先设定的动作序列，机器人通过尝试不同动作（如调整关节角度），根据“是否摔倒”“移动速度”等奖励信号优化策略，最终实现复杂动作。
  • 自动驾驶（如Wa