昨天講到強化式學習，今天來介紹「深度」強化式學習。深度強化式學習非常的好懂就是深度學習＋強化學習（忘記深度學習的可以回去第一天複習喔！）
也就是說深度強化式學習使用了神經網絡的技術，而神經網路的強項就是在於特徵擷取。因為強化式學習在環境所做的互動可能千奇百種，若有深度學習的幫助就可以提供更好的結果。因此要說深度學習跟強化式學習是相輔相成一點也不為過。

深度強化式學習

深度強化式學習在很多地方都有他的影子，今天介紹的是棋盤類遊戲，AlphaGo。那他是怎麼運作的呢？來講講最簡單的三大步驟
1.AlphaGo先收集大量的專業棋手的棋譜（包括許多圍棋大師的對局，這些棋譜是用來教導AlphaGo基本的圍棋規則和策略）
2.使用很多網路（神經網路、價值網路、策略網路）來決定下一步的下棋位置
3.使用強化式學習不斷進行互動（包括自我對弈），並從回饋中修整以增加獲勝率。可是研究人員希望可以發展出一套從零開始學習的能力，而有了AlphaGo Zero的誕生。

AlphaGo Zero的創新

• 在訓練過程中完全依賴自我對弈學習，完全沒有使用人類專業棋譜。
• AlphaGo 使用了多個神經網絡，而AlphaGo Zero則是用同一個深度學習網路，評估下一步最有可能的落子位置和局面。
• AlphaGo Zero每一步思考時間約「0.4」秒，一天半後AlphaGo Zero的表現就超越AlphaGo了！

今日總複習：AlphaGo收集專業棋譜，使用多個神經網絡來決定下一步的棋步，以及透過強化學習不斷修正策略。而AlphaGo Zero則實現了從零開始學習的能力。深度學習和強化學習相輔相成，使得機器能夠在複雜環境中學習和表現出色。

補充影片：Alpha Go用什麼算法擊敗李世乭？
https://www.youtube.com/watch?v=jBTm2xsQgW0