人工智能(AI)正在改变自动化系统，从语音助手和聊天机器人，到自动驾驶汽车和机器人。人工智能系统在融入经验的过程中具有学习和适应的能力，以增强其预测能力。
深度学习是机器学习的一个子集，在机器学习中，人工神经网络(受人脑启发的算法)从大量数据中学习。深度学习颠覆了机器学习的世界，使深度神经网络在图像分类、语音和手写识别以及自动驾驶等各种任务中达到接近或更好的准确性。
强化学习正在彻底改变深度学习的应用——从在电子游戏中与最好的人类玩家比赛到训练机器人完成复杂的技术任务。强化学习包括学习做什么(将情境映射到行动)来最大化数字奖励信号。它已经成功地训练计算机程序玩游戏(如围棋和星际争霸II)，比世界上最好的人类玩家玩得更好。这些程序能够在具有较大状态和行动空间、不完善的世界信息以及短期行动如何在长期中产生回报的不确定性的游戏中找到最佳行动。工程师和科学家在设计像控制器这样的真实系统时面临着同样的挑战。强化学习也能帮助解决复杂的控制问题，比如让机器人走路或驾驶自动驾驶汽车吗?
在这次演讲中，我们的目标是通过解释在传统控制问题的背景下强化学习是什么来回答这个问题，展示如何生成模拟数据，设置和解决强化学习问题，并允许虚拟机器人使用深度强化学习来学习复杂的任务，比如走路。
在2019年Big Things Conference上录制。
