Basics：What is RL?

应用场景：

• 机器当我们给它一个输入的时候,我们不知道最佳的输出应该是什么；
• 收集有标注的资料很困难的时候

叫机器学习下围棋，一个是最好的下一步可能人类根本就不知道。我们不知道正确答案是什么的情况下,往往就是 RL 可以派上用场的时候,

RL 在学习的时候,虽然不知道正确的答案是什么,但是机器会知道什么是好,什么是不好,机器会跟环境去做互动,得到Reward

RL也在找一个Function⇒Actor

Reinforcement Learning 裡面呢,我们会有一个 Actor,还有一个 Environment。Actor 跟 Environment,会进行互动：

• Environment会给 Actor 送来Observation作为输入
• Actor看到Observation以后，会输出Action影响Environment
• Environment受到到Action后被改变，产生新的Observation
• ……
• Environment会不断地给Actor一些Reward，告诉他采取的Action好不好。

总之，Actor就是RL中要找的 Function，输入为 Observation，输出为Action，Function 的目标是要去 Maximizing从 Environment获得到的 Reward 的总和。

Example 1：Playing Video Game

• Actor 站在人这一个角度,去操控摇杆,去控制那个母舰,去跟外星人对抗,
• Environment是游戏的主机,游戏的主机这边去操控那些外星人,