El aprendizaje por refuerzo profundo usa redes neuronales para aproximar las funciones que el aprendizaje por refuerzo tradicional necesita (como el valor de cada acción posible), permitiendo que un agente aprenda a actuar directamente a partir de entradas complejas y de alta dimensión, como imágenes de video, en lugar de representaciones simplificadas del entorno.
Sus logros más conocidos
Esta combinación fue la que permitió que agentes de IA alcanzaran, y en varios casos superaran, el nivel humano en videojuegos complejos y en juegos de mesa como el Go, que durante décadas se consideraron demasiado complejos para ser resueltos únicamente con fuerza bruta computacional.