[2013] Playing Atari with Deep Reinforcement Learning - Mnih et al.

Este artículo presenta el primer modelo exitoso de aprendizaje por refuerzo profundo capaz de dominar juegos de Atari 2600 utilizando únicamente píxeles crudos como entrada sensorial. Los autores introducen el Deep Q-Network (DQN), una arquitectura que combina redes neuronales convolucionales con una técnica llamada experience replay para estabilizar el entrenamiento y romper la correlación entre los datos. A diferencia de métodos previos que dependían de características diseñadas manualmente, este sistema aprende de forma autónoma a estimar recompensas futuras basándose solo en el refuerzo visual y la puntuación del juego. Los resultados demuestran que una única arquitectura puede superar el rendimiento humano en varios títulos, marcando un hito en la creación de agentes de inteligencia artificial generalistas y eficientes.