近年来，以数据驱动为核心的深度学习通过逐层抽象方式形成原始数据区别性表达，在自然语言、语音和计算机视觉等领域取得了显著进展。但是，这一任务式、刺激式的学习机制需要向探索式(直觉牵引)、自主式学习机制跃升，具备“学习的学习(learning to learn)”能力，形成解释性强、数据依赖灵活和知识引导的模型和方法。

深度强化学习是将深度学习的感知能力和强化学习的决策能力相结合的新方法，以Deepmind研制的AlphaGo为代表，目前在对弈游戏、对话生成和机器人控制等方面取得了巨大进步。但是，由于强化学习需要对环境进行探索和交互、从滞后反馈中生成最优策略，因此深度强化学习在多媒体领域研究较为偏少，亟待形成新的模型和方法。 为此，由中国计算机学会（CCF）主办，CCF多媒体技术专业委员会和中国图象图形学学会多媒体专业委员会共同协办的“2017年中国多媒体技术大会（ChinaMM2017）”中特别设立“多媒体中的深度强化学习(Deep Reinforcement Learning in Multimedia，DRLM)”专题。