1樓：劉景初
Short Answer:
至少得了解一下，但全情投入需謹慎。
------
Long Answer:
之所以建議有基本了解，是因為強化學習涉及人工智慧的根本性問題，想要從事機器學習相關的專業研究，就算只是為了培養基本的intuition也不能對這個領域一無所知。
謹慎的原因是強化學習的潛力是有層次的：基礎理論已經有大神們前赴後繼幾十年，再有新突破困難；應用研究因為深度學習技術的加盟潛力很大，很多古老的好想法可能終於找到了合適的實現形式，近期成果的井噴就是明證；而實際應用則還有待探索，因為強化學習應用的最大障礙不是演算法的問題，而是資料和可靠性等等的綜合性問題，單靠研究是搞不定的。
2樓：
目前已有結合深度學習的案列：看DeepMind如何用Reinforcement learning玩遊戲。
微軟曾利用RL開發出了一款賽車遊戲，可以google搜尋到！！！
強化學習的瓶頸問題仍然未解決（維數災難以及如何快速部署應用......），我也在研究RL這方面,主要與移動機械人導航相結合。
哪些問題不能用強化學習解決？強化學習有哪些侷限性？
shenghuo 強化學習是一種無模型的動態規劃問題，應用的特點是環境因智慧型體的動作而發生變化，獲取的資料沒有標籤，獎勵延遲且稀疏。這導致傳統的基於模型的動態規劃演算法 已知模型轉移概率和獎勵模型 難以奏效，因此需要採用通過不斷與環境互動，獲取 s,a,r,s 資料組，並通過學習或手工設定獎勵函式...
強化學習和傳統的控制有什麼異同點，做強化學習有必要去了解一些傳統控制相關理論的哪些方面呢
笑話 這要取決於題主做的是強化學習based的控制還是深度強化學習based的決策，這個很重要。目前來看強化學習有兩大派別，乙個是早在上世紀90 00年代就已經開始發展並成熟的，用強化學習的方法解最優控制問題的派別。主要的代表人物都是控制相關的比如東北大學張化光，還有Frank Lewis這些人。還...
什麼是逆強化學習？
梵笙 The main idea of inverse reinforcement learning is to learn the reward function based on the agent s decisions,and then find the optimal policy usi...