基于规则的系统是否考虑了强化学习？

Question

我正在读一本书，由Glenn Seemann和David M Bourg写的"AI for Game Developers“，他们使用视频游戏AI作为一个基于规则的学习系统的例子。

从本质上讲，玩家有3种可能的走法，并在三次击球的组合中命中。人工智能的目标是预测玩家的第三次打击。该系统的规则是所有可能的3步组合。每条规则都有一个与之关联的“权重”。每当系统猜测错误时，规则的权重就会降低。当系统必须选择一条规则时，它会选择权重最高的规则。

这与基于强化学习的系统有什么不同？谢谢!

Answer 1

是的，这是术语established use中的强化学习。你可能会遇到一些反对今天积极研究的人，因为“热门”部分涉及深度学习应用程序。

您的应用程序有一个定义良好的游戏树可供搜索；您可以使用与游戏直接对应的数学结构来指导增援。这是一个机器学习应用程序，以及完善的学习算法。

目前的“热门”研究是针对更复杂的游戏情况，在这些情况下，动作及其结果之间的对应关系没有得到很好的定义。这些视频游戏使用DL网络而不是博弈树，以努力最终发现将导致更高成功的动作规则。它们扎实地存在于AI的DL部分，这就是为什么你会在你读到的东西中看到一个分区。