标签：AlphaGo

1952 年 Arthur Samuel 在 IBM 704 上写出了第一个会学习的跳棋程序，机器用 8 小时自我对弈击败了它的设计者。70 年后 DeepMind 的 AlphaStar 在 2019 年以 10:1 击败《星际争霸 II…

强化学习的理论核心是 **Bellman 方程**，由 Richard Bellman 在 1957 年提出（他在 RAND 公司工作期间）。Bellman 方程描述了一个智能体在环境中做决策时，长期累积回报的最优求解方式。