强化学习最著名的代表当然是AlphaGo：几万盘棋，左右互搏，最后无师自通成了独步天下的围棋之神。
如果把AlphaGo看作上面例子里的猫，那在训练里，决定它能否获得“猫条”的每盘棋最终的对弈结果——赢了就有好东西吃，输了就要被吃（bushi）。
另外，DeepMind开发出过一个能在57款雅达利游戏上都超越人类玩家的智能体，背后依靠的同样是强化学习算法。
不过这里的奖励和惩罚机制就要根据不同的游戏来具体设计了。比如玩最简单的吃豆人，就可以对每次吃到豆子的行为进行奖励，对撞到幽灵gg的状况给予惩罚。
而除了在游戏领域天空海阔之外，强化学习，其实还能拿来搞自动驾驶。
为了更方便地说明这件事怎么实现，这里我们借用一个道具：来自亚马逊云科技的Amazon DeepRacer。
一辆看上去很概念的小车，跟真车的比例是1比18。车上安装了处理器、摄像头，甚至还可以配置激光雷达，为的就是实现自动驾驶——
当然，前提就是我们先在车上部署训练好的强化学习算法。
算法的训练需要在虚拟环境中进行，为此Amazon DeepRacer配套了一个管理控制台，里面包含一个3D赛车模拟器，能让人更直观地看到模型的训练效果。
