最值得注意的人工智能趋势之一是强化学习的成熟，成为建立和训练统计模型以做有用事情的主流方法。

正如我在今年早些时候所解释的那样，强化学习正在企业人工智能计划中发挥越 该技术已经脱离了其在机器人，游戏和模拟方面的传统优势，现在在IT运营管理，能源，医疗保健，商业，运输和金融领域的各种尖端AI应用中都有所体现。它甚至是社交媒体，自然语言处理，机器翻译，计算机视觉，数字助理等新一代人工智能解决方案不可或缺的一部分。

为了深化企业AI中强化学习算法的可消费性，开发人员需要工具来协作这些项目并将生成的模型部署到生产环境中。在这方面，最近有一些重要的行业公告说明了开源工作台，图书馆和devops管道的成熟，以实现以强化学习为重点的人工智能计划。

迭代强化 - 学习开发工作台

强化学习的许多进步正在通过我们认为理所当然的主流应用程序(如多人在线游戏)或未来主义(如机器人技术)的使用案例进入我们的生活，我们没有意识到他们正在悄然进入主流。强化学习代理现在可以在超人的水平上玩游戏，例如在Open AI Five竞赛中。

开发人员可以利用越来越多的游戏和机器人开源强化学习框架，包括OpenAI的Roboschool，Unity Technology的机器学习代理和英特尔的Nervana Coach。您还可以访问可扩展到各种挑战的开源强化学习框架。例如，Google的TensorFlow代理支持高效的批量强化学习工作流程，而UC Berkeley的Ray RLLib提供了一种灵活的基于任务的编程模型，用于在TensorFlow和PyTorch中构建基于代理的强化学习应用程序。