Aprendizado por Reforço: De AlphaGo a AlphaGo Zero

Este artigo apresenta uma visão geral abrangente do aprendizado por reforço (RL), começando com a história cativante do AlphaGo derrotando campeões humanos de Go. Ele explica conceitos centrais de RL, como MDPs, equações de Bellman, programação dinâmica, métodos de Monte Carlo, aprendizado TD (SARSA, Q-learning, DQN), métodos de gradiente de política (REINFORCE, Actor-Critic, A3C) e estratégias evolutivas. O artigo aprofunda os detalhes de cada algoritmo, usando o AlphaGo Zero como um estudo de caso convincente para ilustrar as aplicações práticas de RL e seu poder na resolução de problemas complexos.