主题： Rinforcement Learning: Past, Present, and Future Perspectives

摘要： 强化学习是一种系统的学习和决策方法。经过几十年的发展和研究，最近RL与现代深度学习的结合，已经导致了当今RL系统能力的令人印象深刻的展示，并引发了兴趣和研究活动的爆炸。加入本教程，了解RL -优雅的想法的基础，这将产生代理，可以在非常广泛的环境中学习极其复杂的行为。扩大范围，嘉宾给出了一个（主观的）概述，目前在哪些方面是可能的。最后，描述了RL在未来研究和实际应用中的关键机遇。

嘉宾介绍： Katja Hofmann，微软剑桥研究院游戏情报组的首席研究员。她领导了一个研究小组，致力于在电子游戏中应用强化学习。她的长期目标是开发人工智能系统，学习与人协作，增强用户能力，帮助解决复杂的现实问题。在加入微软研究院之前，她在阿姆斯特丹大学的ILPS小组完成了计算机科学博士学位。她曾与Maarten de Rijke和Shimon Whiteson合作开发智能搜索引擎。个人主页：https://www.microsoft.com/en-us/research/people/kahofman/。