近日，《自然》杂志子刊《机器智能》刊载新论文：「人工和生物系统中的强化学习」，以下为论文概要：生物学和人工系统的学习与研究之间存在着丰富的概念和思想，受到布什和莫斯特勒以及 Rescorla 和 Wagner 在生物学中首次开发的学习规则的启发，早期人工系统强化学习（Reinforcement Learning）算法发展由此诞生。最近，为在人工之智能体学习而开发的时间差强化学习为解释多巴胺神经元的活性提供了基础框架。在本综述中，我们描述了生物和人工智能体中强化学习 的最新进展。我们专注于这些学科之间的联系点，并探讨未来研究可以从这些领域之间的信息流中受益的领域。生物系统中的大多数工作都集中在简单的学习问题上，通常嵌入在动态环境中，其中灵活性和持续学习很重要，类似于生物系统面临的现实学习问题。相比之下，人工智能体中的大多数工作都集中在静态环境中学习单个复杂问题。展望未来，每个领域的工作都将受益于代表每个学科内部优势的思想流。