Reinforcement Learning: An Introduction

La nuova edizione significativamente ampliata e aggiornata di un testo ampiamente utilizzato sul reinforcement learning, uno dei settori di ricerca più attivi nell'intelligenza artificiale.

Il reinforcement learning è un approccio computazionale all'apprendimento in cui un agente cerca di massimizzare la quantità totale di ricompensa ricevuta interagendo con un ambiente complesso e incerto. In "Reinforcement Learning", Richard Sutton e Andrew Barto forniscono una spiegazione chiara e semplice delle idee e degli algoritmi chiave del campo. Questa seconda edizione è stata notevolmente ampliata e aggiornata, presentando nuovi argomenti e aggiornando la trattazione di altri temi.

Come la prima edizione, anche questa seconda edizione si concentra sugli algoritmi di apprendimento online fondamentali, con il materiale più matematico evidenziato in riquadri ombreggiati. La Parte I copre quanto più possibile del reinforcement learning senza andare oltre il caso tabellare per il quale è possibile trovare soluzioni esatte. Molti algoritmi presentati in questa parte sono nuovi per la seconda edizione, inclusi UCB, Expected Sarsa e Double Learning. La Parte II estende queste idee all'approssimazione delle funzioni, con nuove sezioni su argomenti come le reti neurali artificiali e la base di Fourier, e offre un trattamento ampliato dell'apprendimento off-policy e dei metodi di policy-gradient. La Parte III presenta nuovi capitoli sulle relazioni del reinforcement learning con la psicologia e le neuroscienze, oltre a un capitolo aggiornato sui casi studio che include AlphaGo e AlphaGo Zero, il gioco Atari e la strategia di scommessa di IBM Watson. L'ultimo capitolo discute gli impatti sociali futuri del reinforcement learning.