繼DeepBlue打敗世界西洋棋冠軍、AlphaGo攻克頂尖圍棋手後，電競遊戲《星海爭霸》AI「AlphaStar」完勝眾多電競選手，顯示AI的發展從「完全資訊」轉向「非完全資訊」遊戲之新紀元。完全資訊遊戲，以圍棋為例，雖然可能出現的局面總數是天文數字，但每回合雙方只消在棋盤某處落一顆棋即可；非完全資訊遊戲《星海爭霸》就複雜得多，需要在收集資源和打仗間找到平衡，且每個玩家同步行動、每個行動有不同時間長短、攻擊防禦技能等也有很多變化。Google DeepMind創始人Demis Hassabis說，發明AlphaGo並不是為了贏取圍棋比賽；人工智慧應以運用於真實世界、為人類社會服務為最終目的。
現行深度學習方法各有其侷限，比如監督式學習，事前人工標註資料成本過高；非監督式學習，機器自行尋找資料特徵進行分類，辨識結果不一定正確；增強式學習，機器在虛擬情境中不斷試錯、累積經驗，學習效率極低。因此，模仿人類學習行為的「自我監督式學習」成了新趨勢，透過觀察既有的訓練資料，由過去預測未來、從可見預測隱藏，目前應用在自然語言處理、圖像填空等頗具成效。本課程詳細講解機器學習的方法、建立字詞向量的概念，並介紹諸多人工智慧的應用。