包括編碼在計算機存儲介質(zhì)上的計算機程序的方法、系統(tǒng)和裝置，用于訓(xùn)練強化學(xué)習(xí)系統(tǒng)的環(huán)境表示神經(jīng)網(wǎng)絡(luò)控制代理以執(zhí)行給定的任務(wù)。在一個方面，該方法包括：接收當(dāng)前觀察輸入和未來觀察輸入；從未來觀察輸入生成環(huán)境的未來狀態(tài)的未來潛在表示；使用環(huán)境表示神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，以生成環(huán)境的當(dāng)前狀態(tài)的當(dāng)前內(nèi)部表示；從當(dāng)前內(nèi)部表示生成預(yù)測的未來潛在表示；評估測量未來潛在表示與預(yù)測的未來潛在表示之間的差異的目標(biāo)函數(shù)；以及基于所確定的目標(biāo)函數(shù)的梯度來確定對環(huán)境表示參數(shù)的當(dāng)前值的更新。