DeepMind强化学习新研究：更快的知识学习，更强的环境适应

编译 | Mr Bear 校对 | 维克多DeepMind官方博客在一篇文章“Fast reinforcement learning through the composition of behaviours”中，针对强化学习中的“从头学习”问题给予了解决方案。文章中表示，人类处理一些新任务时候，例如做菜，往往能够利用之前学过的知识、技能。而强化学习中的智能体往往需要从头学习。针对上述挑战，DeepMind的研究员们采用了一种名为“后继特征”特征的方案，其效果是：智能体可以将一个问题分解为更小的、更易于管理的子任务，而不是将其作为一个单一的、整体的任务来处理。研究员在博客中表示，其能够提供了一种学习灵活解决问题的新方法，能够赋予 RL 智能体利用从之前的任务中学到的知识的能力。以下是原文，AI科技评论做了不改变原意的编译 ………………………………