强化学习的发展阶段有哪些？

强化学习的发展阶段是从心理学启示到算法化再到深度学习融合的三个阶段，核心包括1950年代操作性条件反射的启示、1980年代Sutton与Barto的算法框架、2013年DeepMind深度强化学习玩游戏，解决的是理清各阶段方法边界的问题，并不解决试错效率低与奖励设计困难的障碍。

到了1980年代，计算机科学家把这个想法搬到了机器上。Richard Sutton和Andrew Barto两位“大侠”写下了强化学习的“武林秘籍”——《强化学习导论》。他们提出：机器可以像老鼠一样，通过试错和奖励，学会复杂任务。

但真正让强化学习发光发热的，是2010年代。深度学习（咱们第四期讲过）给它插上了翅膀。2013年，DeepMind团队用“深度强化学习”训练了个AI玩雅达利游戏（像打砖块），没教它规则，它自己玩着玩着就成了高手。这一下，强化学习从书本走进了现实。