OpenAI强化学习实战

在过去的几年里，强化学习(RL，Reinforcement Learning)在很多方面取得了突破。DeepMind公司将深度学习与增强学习结合在一起，在众多的Atari游戏中来取得超越人类的表现，基于深度学习和强化学习训练得到的AlphaGo Zero更是完全从零开始，仅通过自我对弈就能天下无敌。虽然RL目前在许多游戏环境中都表现很出色，但它对解决需要最优决策和效率的问题而言是种全新方法，而且肯定会在机器智能中发挥作用。

OpenAI成立于2015年底，是一个非营利组织。它的目的是“建立安全的人工通用智能(AGI)，并确保AGI的福利被尽可能广泛和均匀地分布”。除了探索关于AGI的诸多问题之外，OpenAI对机器学习世界的一个主要贡献是开发了Gym和Universe软件平台。

Gym是为测试和开发RL算法而设计的环境/任务的集合。它让用户不必再创建复杂的环境。Gym用Python编写，它有很多的环境，比如机器人模拟或Atari 游戏。它还提供了一个在线排行榜，供人们比较结果和代码。

课程大纲：

第1周 强化学习与常用的仿真环境平台介绍（MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2等）

第2周 OpenAI gym中的常用仿真环境介绍，包括Atari 2600 游戏系列、MuJoCo 物理模拟器、Toy text 文本环境、Robotics机械手与机械臂模拟器等

第3周 马尔科夫决策过程MDP

第4周 基于gym的MDP实例讲解，基于OpenAI Gym构建股票市场交易环境

第5周 基于gym的强化学习实践：基于值函数的强化学习方法实现；基于策略梯度的强化学习方法实现

第6周 虚拟环境Universe： 一个用于训练解决通用问题 AI 的基础架构

第7周 基于Universe的强化学习实践：用OpenAI公司的Gym工具库和Universe平台为游戏创建人工智能机器人

开课时间：

本期课程将于6月9日开课，预计课程持续时间为9周

目标人群：

有简单的强化学习基础，希望学习强化学习的落地实现的同学

课程环境：

python3+OpenAI GYM+OpenAI Universe

收获预期：

学习结束后均能自己动手编写一个仿真环境，训练强化学习