🔑 名詞卡
Deep Q-Learning
🎯 定義
Q-Learning 的延伸，結合深度學習（Deep Learning）來解決 Q-Learning 在高維度環境中的限制。採用深度神經網路（Deep Neural Networks, DNN）來近似 Q 值，而不是直接儲存 Q 表。
運作方式
在 Deep Q-Network（DQN）中，神經網路的輸入是環境的當前狀態（State），輸出則是每個可能行動（Action）的 Q 值，AI 會選擇 Q 值最高的行動來執行。為了穩定學習過程，DQN 引入了：
- 經驗回放（Experience Replay）
- 目標網路（Target Network）
以減少神經網路的震盪與過擬合。
應用範例
AlphaGo（結合深度學習與強化學習，自我對弈優化策略擊敗世界頂尖棋手）、Atari 遊戲（達到甚至超越人類玩家表現）。
易混淆
- vs Q-Learning：Deep Q-Learning 用神經網路取代 Q 表，適合狀態空間過大、傳統 Q-Learning 不可行的高維度環境。
📖 課文原文「Deep Q-Learning 是 Q-Learning 的延伸，結合深度學習（Deep Learning）來解決 Q-Learning 在高維度環境中的限制……採用深度神經網路（Deep Neural Networks, DNN）來近似 Q 值，而不是直接儲存 Q 表。」