1、q-learning和policy-gradient有什麼區別？
q-learning 基於值函式估計的強化學習方法，policy-gradient是一種策略搜尋強化學習方法。與機器學習中的方法做模擬，前者可以與樸素貝葉斯作模擬，通過估計後驗概率得到**，後者可以與svm作模擬，不估計後驗概率而直接優化學習目標。
關於解空間的問題：
解空間（策略空間）不是由求解方法確定的，而是由策略模型確定的。兩者可以使用相同的模型，例如，相同大小的神經網路，這時，他們的解空間是一樣的。
q-learning在離散狀態空間中理論上可以收斂到最優策略，但是收斂速度可能極慢。policy-gradient可以解決q-learning在連續空間和高維度上不能收斂的問題，使用的是梯度方法來求解，缺點是，只能收斂到不動點（區域性最優），不能證明收斂到最優策略。
2、alphago 用了哪些人工智慧技術？核心技術有哪些？
alphago的大腦分成了四個部分：快速感知腦、深度模仿腦（12層的deep learning）、自學成長腦（reinforcement learning）、全域性分析腦。使用了蒙特卡洛樹的搜尋策略。
人工智慧的相關知識
1.anaconda jupyter 執行快捷鍵 shift 回車 2.線性回歸 必須匯入五個庫 同時也匯入如下兩個庫 3.logistic回歸 是最基礎的 分類演算法 備註 如果資料集要求利用線性回歸去操作，則盡量使用分類演算法 logistic回歸 logistic回歸是一種分類演算法特性 模型...
小總結大資料和人工智慧
大資料 雲計算和人工智慧是當下比較熱的it方向，bat都有了雲，都有了ai部門，各有優勢，也不可避免的產品功能同質化。移動網際網路產生的大量資料，促使大資料的發展，大資料的發展又和雲計算相互促進，這兩個的技術進步又帶動ai的發展。技術相互促進，不一定什麼時候應用到某個領域就是乙個風口。資本和 的介入...
關於人工智慧（AI）
前言 雖然已經幹了快10年軟體了，不過剛剛才在csdn上註冊。其實以前也註冊過乙個賬戶，但是嫌 速度太慢，所以就荒廢了。現在突然發現不覺得網速太慢了 雖然現在其實也很慢 我想可能是因為我有了越來越多的能用於思考的時間了，呵呵。談談人工智慧吧。人工智慧這個學科就和數學中的數論一樣 其立論極其簡單，任何...