强化学习能做什么？

强化学习的应用范围是把试错获得的策略落到具体任务，典型场景包括游戏对弈、机器人运动控制、无人驾驶决策与数据中心资源调度，例如谷歌数据中心用其优化空调制冷节省了40%电费，解决的是序列决策任务中策略难由人工规则指定的问题，并不解决奖励设计与试验次数过多带来的成本问题。

• 游戏王者：AlphaGo Zero不看人类棋谱，自己练了几天，就把围棋大师虐得没脾气。
• 机器人高手：波士顿动力的机器狗，用RL学会走路、翻跟头，连石头路都不怕。
• 无人驾驶：特斯拉和Waymo的车，用RL优化路线，躲避障碍比老司机还溜。
• 资源调度：谷歌数据中心用RL调空调，省了40%的电费。

它就像个不怕摔的冒险家，越挫越勇，最后总能找到宝藏。