将具有“决策”能力的强化学习(RL: Reinforcement Learning)和具有“感知”能力的深度学习(DL: Deep Learning)相结合，形成深度强化学习(DRL: Deep RL)方法，成为人工智能的主要方法之一。2013年，谷歌DeepMind团队提出了一种DRL方法，在一些游戏上的实验效果接近或超过人类游戏玩家，成果发表在2015年的《Nature》上。2016年，相继发表了所开发的基于DRL的围棋算法AlphaGo，以5:0战胜了欧洲围棋冠军和超一流围棋选手李世石，使人工智能的水平达到了一个前所未有的高度。2017年初，AlphaGo的升级程序Master，与60名人类顶级围棋手比赛获得不败的战绩。在不完全信息博弈中，2017年初，阿尔伯塔大学采用了与AlphaGo相似的原理，开发的德州扑克人工智能DeepStack取得了骄人的胜绩，论文发表在《Science》上，标志着人工智能的又一个里程碑事件。2017年10月，DeepMind团队在《Nature》上发表的论文中提出了AlphaGo Zero，完全不用人类围棋棋谱而完胜最高水平的AlphaGo，再次刷新了人们的认识。DRL在视频游戏、博弈、自动驾驶、机器人、自然语言理解、智能医疗等领域的应用日益增多。中国自动化学会将于5月31日-6月1日在北京中科院自动化所举办『深度与宽度强化学习』学科前沿讲习班，由澳门大学讲座教授、中国自动化学会副理事长、国家千人学者、IEEE Fellow、AAAS Fellow、IAPR Fellow陈俊龙教授与清华大学教授、国家CIMS工程技术研究中心研究员宋士吉教授共同担任学术主任。邀请多位业界知名专家学者进行专题报告，分享最新的科研进展，使学员在了解学科热点、提高学术水平的同时，增加与深度与宽度强化学习顶尖学者之间的学术交流。诚邀社会各界人工智能爱好者、研究者参与交流！
| 欢迎光临 智能家居 (https://bbs.mywll.com/) | Powered by Discuz! X3.4 |