1. 甚麼是 RL？

應用場景：

• 給機器一個輸入，但我們不知道最佳輸出為何
• 收集有標註的資料有難度

例如叫機器學習下圍棋，最好的下一步可能人類根本不知道。在不知道正確答案是什麽的情況下，就可以使用 RL

1.1 Actor

Reinforcement Learning 中有 Actor 及 Environment，Actor 跟 Environment 會進行互動。 actor 就是 RL 中要找的 function，輸入為 observation，輸出為 action，function 的目標是最大化從 environment 獲得的 reward 總和

actor 以 environment 提供的 observation 作為輸入，而 actor 收到 observation 後，會輸出 action 影響 environment，environment 受到 action 的影響產生新的 observation，environment 會不斷地給 actor 一些 reward，告訴他採取的 action 好不好

Example 1：Space Invader

• actor：搖桿操控者
• environment：遊戲主機
• observation：遊戲畫面
• action：母艦向左、向右及開火
• reward：獲得的分數

要找一個 actor（function），可以使得到的 reward 的總和最大

Example 2：圍棋