南京2022年11月4日 /美通社/ --  近日，由江蘇省人工智能學(xué)會、上海數(shù)字大腦研究院及南棲仙策共同發(fā)起的強化學(xué)習(xí)創(chuàng)新創(chuàng)意大賽結(jié)果出爐。

賽事回顧

強化學(xué)習(xí)創(chuàng)新創(chuàng)意大賽，旨在激發(fā)強化學(xué)習(xí)技術(shù)的應(yīng)用創(chuàng)新，不設(shè)具體賽題。鼓勵選手了解強化學(xué)習(xí)的機制原理、掌握強化學(xué)習(xí)的任務(wù)建模、發(fā)掘強化學(xué)習(xí)落地場景、展現(xiàn)強化學(xué)習(xí)的創(chuàng)新應(yīng)用價值。

大賽自6月17日開賽以來吸引國內(nèi)外高等院校、科研單位、企業(yè)單位負責(zé)人等數(shù)百人參與其中。

大賽經(jīng)初賽、復(fù)賽兩輪，4個月的激烈角逐之后，最終經(jīng)由學(xué)術(shù)專家和產(chǎn)業(yè)專家共同評選出12支獲獎隊伍。其中4支隊伍分別斬獲"最佳項目獎"、"最佳實踐獎"、"最佳創(chuàng)意獎"、"最佳社會價值獎"；8支隊伍獲得"優(yōu)秀項目獎"。

獲獎選手 Talk Time

最佳項目獎：止于至善隊

"基于強化學(xué)習(xí)，實現(xiàn)分布式能源系統(tǒng)的智能決策未來是可行的。"

"目前國內(nèi)外的分布式能源管理平臺，雖然在數(shù)據(jù)感知層大量使用了人工智能技術(shù)，但在決策層還是基于傳統(tǒng)的優(yōu)化算法。這些算法受限于計算精度和實時性不能兼得，而且很難處理新能源帶來的波動性和隨機性問題。而強化學(xué)習(xí)可以處理這些問題。"

隊長侯勝任來自荷蘭代爾夫特理工大學(xué)，吳明賀、顏子恒來自東南大學(xué)。為應(yīng)對全球氣候變暖和能源危機，這支隊伍將強化學(xué)習(xí)應(yīng)用于新能源沖擊下的能源管理系統(tǒng)，實現(xiàn)分布式能源系統(tǒng)的智能決策，使能源系統(tǒng)運行在高效、經(jīng)濟、安全、可靠的運行區(qū)間。在滿足用戶需求的前提下，大幅度降低公司系統(tǒng)運行成本，為客戶創(chuàng)造更多的收益。

最佳創(chuàng)意獎：Brain Control隊

"我一直認為強化學(xué)習(xí)方法會為生命科學(xué)領(lǐng)域里的一些問題帶來突破。"

"本次獲獎項目是我們團隊將強化學(xué)習(xí)方法應(yīng)用大腦疾病治療的一次嘗試，目的是為了更好地幫助醫(yī)生和病人選擇更合適的治療策略，這不僅可以為病人帶來更優(yōu)的治療效果，更可以釋放大量的醫(yī)療資源。"

這是來自復(fù)旦大學(xué)的兩位博士生，李巖和權(quán)昭宇，他們將強化學(xué)習(xí)應(yīng)用于自動化腦深部電刺激的參數(shù)調(diào)節(jié)。也就是通過強化學(xué)習(xí)自動尋找個性化的最優(yōu)刺激參數(shù)，產(chǎn)生最優(yōu)的疾病治療方案。
這項技術(shù)在未來將有機會在面向帕金森、癱瘓、癲癇和抑郁癥等的疾病治療中發(fā)揮巨大作用。減輕病人的痛苦，減少醫(yī)生的工作量。

最佳社會價值獎：Traffic Go隊

"作為交通從業(yè)者，我非常渴望能夠攻堅克難，打造適用于我國的先進城市交通優(yōu)化控制與緩堵平臺。"

這是來自同濟大學(xué)的博士后王一喆，他對被稱為"交通工程領(lǐng)域王冠上的明珠"的世界性難題：交通控制和緩解擁堵 發(fā)起挑戰(zhàn)。

基于強化學(xué)習(xí)的交通控制算法及機制，他通過構(gòu)建可復(fù)用性強，自動化程度高的關(guān)鍵特征提取程序；搭建層次分明，易于查詢的數(shù)據(jù)結(jié)構(gòu)，即使面對隨機性強，波動性大且呈非線性變化的復(fù)雜城市道路交通狀況，也可以獲得更高的可測性和可控制性。

最佳實踐獎：穿梭在銀河的火箭隊

"希望能幫助更多人縮減決策時間，讓人們將時間用在有更有價值的地方。"

"通過本次比賽，我們更加堅信了強化學(xué)習(xí)在決策領(lǐng)域巨大的潛力，希望能將學(xué)到的知識應(yīng)用于實踐，同時幫助大家理解機器決策過程中每一步的含義，也就是為什么這樣做，能夠帶來更高的收益。"

這支隊伍的陳濤，史晨佳和任智軍老師來自于上海商學(xué)院，他們聚焦個體投資者和機構(gòu)，提供完整高效可行的投資交易策略。他們的項目對中國的A股市場的環(huán)境和數(shù)據(jù)進行建模，將深度強化學(xué)習(xí)應(yīng)用到金融領(lǐng)域，使用智能體模擬交易員，在A股市場中進行選股和擇時交易，讓決策更優(yōu)越、更簡單。

在項目進行到中后期，為了節(jié)省算力和時間，他們在REVIVE仙啟平臺進行了多智能體模型的訓(xùn)練。"不得不說，「仙啟」的表現(xiàn)真的遠超團隊預(yù)期，只需要少量的代碼便可以進行實操，這也極大的彌補了團隊在多智能體模型上編碼能力不足的缺陷，早點使用該平臺也許項目進度會快很多。"

該項目在"東方財富杯"全國大學(xué)生金融挑戰(zhàn)賽 進行了落地驗證，以總收益20.93%戰(zhàn)勝了全國98%的選手。為他們高興！

在實際場景中的落地

南棲向參賽選手們提供了REVIVE [仙啟](https://revive.cn/）在實際場景中的落地。

南棲向參賽選手們提供了REVIVE「仙啟」幫助選手還原現(xiàn)實場景，構(gòu)建無限接近真實的虛擬環(huán)境，在這個環(huán)境中進行策略驗證和對比，獲得最終可遷移到實際應(yīng)用中的最佳策略。)幫助選手還原現(xiàn)實場景，構(gòu)建無限接近真實的虛擬環(huán)境，在這個環(huán)境中進行策略驗證和對比，獲得最終可遷移到實際應(yīng)用中的最佳策略。

此外，感謝張偉楠、安波、張哲先、俞揚等教授和老師，抽出寶貴時間，為選手們提供了一對一的指導(dǎo)和講座。

為了讓更多對強化學(xué)習(xí)應(yīng)用感興趣的人從本次大賽中獲益，主辦方在南棲仙策B站官方賬號上公開了部分講座內(nèi)容，點擊講座觀看講座視頻。

大賽還涌現(xiàn)出了一批精彩的應(yīng)用場景和項目，讓我們一起來看看獲獎名單。

誠如張偉楠老師在講座中所言，強化學(xué)習(xí)所對標(biāo)的決策智能擁有非常廣闊的市場，因為在任何一個行業(yè)，一旦有決策優(yōu)化的需求，就有可能使用到強化學(xué)習(xí)技術(shù)。

讓我們共同期待，在未來，更多的人能夠借助強化學(xué)習(xí)的力量改變世界。