2002年，在做研究生课题时，用到了神经元网络解决温度预测问题，当时深度革命还没发生，BP网络还是主流。后来工作中接触了专家系统，用来解决逻辑推理问题，用在高炉的异常炉况诊断上。
2018年初，被ImageNet不断提高的图像识别水平吸引，对CNN进行了初探，弄了台2*1080Ti的计算机，建立tensorflow环境，由一名研究生完成了1万张钢卷表面缺陷图像的训练和识别工作，准确率达到95.1%。不过当时没有怎么接触强化学习。
7.1前后偶然在B站看了一个机器捉迷藏的小视频，被深度吸引了，于是学习了一遍AlphaGo主创David Silver的深度强化学习课程，今天还看了一个2019年对David Silver的采访，觉得DRL对解决工业领域的复杂过程控制问题很有前途。又幸运的找到了深度强化学习导论第二版(Reinforcement Learning: An Introduction 2nd Edition)，准备再花一段时间系统学习一下。
8日下午，对All in AI浪潮的现状进行了研究，发现这波AI大潮中成功变现的不多，资本热潮似乎已经褪去，技术上也有文章质疑现在的AI只擅长打游戏，不能适应现实物理世界，DRL模型看上去很美，模型调参会搞死人。从AlphaGo称霸围棋，到陆奇宣布百度All in AI和后来的热潮，再到现实面前的头破血流，AI的起起伏伏与80年代BP网络那一波如出一辙，还要不要继续入坑？带着疑问，又找到了一遍新东西：UDRL(Upside down RL)。
9日上午，看了看UDRL论文，由于是LSTM之父的作品，出发点还是要把RL拉进监督学习，通过将奖励由RL的输出变为输入，将Action变为输出，避免了奖励函数建模和调参的大坑，可能为解决现实问题开辟了新路径。
