他們構(gòu)成中國(guó)強(qiáng)化學(xué)習(xí)研究的半壁江山。

原標(biāo)題：UCL強(qiáng)化學(xué)習(xí)派：汪軍與他的學(xué)生們
文章來源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：28812字

汪軍及其學(xué)生：中國(guó)強(qiáng)化學(xué)習(xí)的半壁江山

本文講述了汪軍教授及其學(xué)生們?cè)谥袊?guó)強(qiáng)化學(xué)習(xí)領(lǐng)域做出的杰出貢獻(xiàn)，以及他們?nèi)绾瓮苿?dòng)強(qiáng)化學(xué)習(xí)在中國(guó)的本土化發(fā)展。

1. 從推薦系統(tǒng)到強(qiáng)化學(xué)習(xí)

   汪軍教授的學(xué)術(shù)生涯始于推薦系統(tǒng)和信息檢索領(lǐng)域。他博士期間的研究工作，特別是將經(jīng)濟(jì)學(xué)理論引入信息檢索領(lǐng)域的“Portfolio Theory of Information Retrieval”，獲得了SIGIR時(shí)間檢驗(yàn)獎(jiǎng)提名。在研究廣告競(jìng)價(jià)機(jī)制的過程中，他意識(shí)到其本質(zhì)是強(qiáng)化學(xué)習(xí)，為其后轉(zhuǎn)向強(qiáng)化學(xué)習(xí)領(lǐng)域奠定了基礎(chǔ)。

2. UCL強(qiáng)化學(xué)習(xí)開拓者

   在倫敦大學(xué)學(xué)院(UCL)，汪軍與David Silver等強(qiáng)化學(xué)習(xí)專家合作，將強(qiáng)化學(xué)習(xí)應(yīng)用于計(jì)算廣告領(lǐng)域。他與學(xué)生創(chuàng)辦了AI廣告公司MediaGamma，將強(qiáng)化學(xué)習(xí)算法首次應(yīng)用于廣告實(shí)時(shí)交易的商業(yè)化應(yīng)用，為后續(xù)研究提供了寶貴的經(jīng)驗(yàn)和數(shù)據(jù)。

3. 培養(yǎng)人才，推動(dòng)領(lǐng)域發(fā)展

   汪軍教授注重學(xué)生培養(yǎng)，鼓勵(lì)學(xué)生探索，并引導(dǎo)他們選擇有潛力的研究方向。他的學(xué)生們，如張偉楠、溫穎、楊耀東等，在多智能體強(qiáng)化學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)與大模型的結(jié)合等方面取得了顯著成果。他們中的許多人已成為國(guó)內(nèi)強(qiáng)化學(xué)習(xí)領(lǐng)域的領(lǐng)軍人物。

4. RL China：強(qiáng)化學(xué)習(xí)的本土化推廣

   為了推動(dòng)中國(guó)強(qiáng)化學(xué)習(xí)的發(fā)展，汪軍教授發(fā)起成立了華人強(qiáng)化學(xué)習(xí)社區(qū)RL China，通過組織線上線下課程、研討會(huì)等活動(dòng)，培養(yǎng)人才，促進(jìn)學(xué)術(shù)交流與合作，為中國(guó)強(qiáng)化學(xué)習(xí)的蓬勃發(fā)展起到了至關(guān)重要的作用。張偉楠編寫的《動(dòng)手學(xué)強(qiáng)化學(xué)習(xí)》也成為國(guó)內(nèi)強(qiáng)化學(xué)習(xí)領(lǐng)域的暢銷教材。

5. 大模型與具身智能：探索AGI的道路

   近年來，汪軍及其學(xué)生們積極探索強(qiáng)化學(xué)習(xí)與大模型、具身智能的結(jié)合，致力于開發(fā)通用決策模型，并取得了一定的進(jìn)展。他們嘗試將強(qiáng)化學(xué)習(xí)應(yīng)用于機(jī)器人控制、芯片設(shè)計(jì)優(yōu)化等實(shí)際場(chǎng)景，為通往AGI的道路上做出了貢獻(xiàn)。

6. 總結(jié)：通往AGI的最后一公里

   汪軍教授及其學(xué)生們?cè)谥袊?guó)強(qiáng)化學(xué)習(xí)領(lǐng)域取得了令人矚目的成就，他們不僅在學(xué)術(shù)研究上取得突破，還在推動(dòng)技術(shù)落地、培養(yǎng)人才方面做出了重要貢獻(xiàn)。他們的工作為中國(guó)強(qiáng)化學(xué)習(xí)的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)，并為通往AGI的道路上貢獻(xiàn)了力量。

聯(lián)系作者

文章來源：AI科技評(píng)論
作者微信：
作者簡(jiǎn)介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。