摘要
介绍假设你在玩电子游戏。你进入一个有两扇门的房间。第一扇门的后面有100枚金和一条通道。第二扇门后面是1枚金币和另一个方向的通道。一旦你穿过其中一扇门，则不能返回。你应该选择哪扇门呢?如果你的决定仅仅是基于最大化你的即时回报（当前利益），那么你的答案就是第一扇门。然而，你玩大多数电子游戏的目标并不是希望在游戏的某个部分利益最大化（在某一关卡获得MVP），而是在整个游戏中最大化你的利益（比如说，打通
请登录后发表评论
登录
全部评论
All in AI
- 目录
- 为什么主流APP的推荐总能符合你口味？推荐系统了解一下
- 我是如何成为一名机器学习工程师，并很快找到工作的？
- 关于强化学习的事后经验回放，我是这样理解的
- 衡量机器学习模型性能，你可以试试利用ROC和CAP曲线！
- 神经网络是怎么“看”东西的？激活图告诉你
- 模型预测不在行？别慌，收下这篇TensorFlow指南
- 原来那个骚扰电话是AI打的！315晚会曝光的这“锅”AI背不背？
- 调查发现：年轻的开发人员更“钟情”于旧编程语言！
- 代码排名前1%的数据科学家揭露我们容易犯的十大编码错误！
- 这是一篇人脸检测基本实现最好懂的实践指南了！
- 一起开黑！OpenAI Five Arena向所有玩家开放
- 案例版名词解释：机器学习中的概念漂移！
- 数据太乱看不懂？教你用Python一招搞定！
- 实操讲解：使用Keras中的自动编码器进行极端罕见事件分类
- 实例讲解：我的强化学习初体验！
- 机器学习开篇第一步：如何设置Python环境？
- 人工智障 2 : 你看到的AI与智能无关
- 年度回顾：2018年度机器学习50大热门网文
- 从头开始强化学习：在Python笔记本中设计和解决任务
- 深度神经网络成长记：带你了解它的工作原理！
- 我是如何成为一名机器学习工程师，并很快找到工作的？
- 初识卷积神经网络第一讲！
- Gartner2019年的这波技术潮流你赶趟儿了没？
- Fox是如何利用机器学习俘获电影观众的心，让金刚狼3大卖的？
- 实例讲解：我的强化学习初体验！
- 实践篇：使用Spark和Scala来训练您的第一个分类器！
- 充电捷径：搞人工智能，你一定要读读这5本书！
- 马尔可夫链是个什么鬼？图文详解告诉你！
- AI For Everyone：吴恩达想用30分的非技术课程传达的内容
- 动手做：构建模型来预测Stack Overflow中的问题标签
