今年9月份舉辦的深度學習Indaba2018峰會的乾貨確實不少，昨天文摘菌給大家整理了27位大咖關於自然語言處理的精彩問答。今天文摘菌再給大家整理一份關於強化學習的10個原則，不僅在強化學習中有用，在機器學習研究中也能夠提供一些參考。
這10個原則是一位來自Insight資料分析研究中心的博士生Sebastian Ruder在參會期間對David Silver報告進行的整理，除了Ruder自己的解析外，也把他自己拍的照片分享了出來。
評估推動進步
量化的評估才能推動進步。評估獎勵的選擇決定了進步的方向，要確保評估指標與目標密切相關，避免主觀評價（例如人類學科）。還有一點，雙Q學習優於單Q學習，因為後者能減少偏見。
演算法的可擴充套件性決定成功
演算法如何擴充套件非常重要，要避免效能上限。深度學習非常棒，因為它可以有效地擴充套件，但是樣本效率同樣重要。
演算法的可擴充套件性的表現取決於資源，而演算法的可擴充套件性決定是否成功：那麼給予更多資源，效能如何提高？值得一提的是，這裡的資源指的是計算，記憶體或資料。
通用性，即演算法在其他任務上的表現非常重要
關鍵是要設計一系列具有挑戰性的任務，即應該對不同的新任務進行評估。避免過度使用當前的任務。
相信Agent的經驗
不要依賴人類的專業知識，不要依賴於工程特徵。在資料有限時，領域專業知識和歸納偏差非常重要。
一些任務可能看起來不太可能完成，但是，你確實能在其中學到很多經驗。這種任務或者專案，通常滿足這三點：
1.很難接受RL的核心問題。
1.是AI的核心問題
3.非常值得你去努力
狀態應該是主觀的
應將狀態建立為模型的狀態，即RNN的隱藏狀態，而不是根據環境定義。只有agent對世界的主觀看法才是重要的。不要推理外部現實，因為達到的效果非常有限。
控制流
Agent影響資料流和體驗。Agent應該有能夠訪問控制環境的功能。重點不僅在於最大化獎勵，還在於建立對流的控制。
價值函式塑造世界
價值函式有效地總結了當前和未來的狀況。多值函式允許我們模擬世界的多個方面。可以幫助控制流。
從想象的經驗（imagined experience）中學習
接下來該怎樣規劃？同樣的，RL演算法可以從想象的經驗（imagined experience）中學習，如Alphago中使用MCTS和值函式。
利用函式逼近器
可以將演算法複雜度揉進神經網路架構，甚至MCTS，分層控制等也可以用NN建模。然後要真正理解：我們從模型學到了什麼。
學會學習
必須精通元學習，然後，你可能不再需要手工設定網路架構，一切都是端到端學習。總而言之，神經網路要透過儘可能少的人工干預來處理事情。但是，歸納偏差應該仍然有用。