Whakaarohia kei te ngana koe ki te whakaako i te karetao ki te hikoi. Kaore i rite ki te whakaako rorohiko ki te matapae i nga utu kararehe, ki te whakarōpū whakaahua ranei, karekau he huingararaunga nui ka taea e matou te whakamahi ki te whakangungu i a maatau karetao.
Ahakoa ka tae noa mai ki a koe, he tino uaua te hikoi. Ko te hikoi hikoi he maha nga uaua rereke e mahi tahi ana. Ko te kaha me nga tikanga e whakamahia ana ki te hikoi mai i tetahi waahi ki tetahi atu ka whakawhirinaki ano ki nga momo ahuatanga, tae atu ki te kawe koe i tetahi mea, mena he pikinga, etahi atu momo arai ranei.
I roto i nga ahuatanga penei, ka taea e tatou te whakamahi i tetahi tikanga e kiia nei ko te ako whakapakari, RL ranei. Ma te RL, ka taea e koe te tautuhi i tetahi whainga motuhake e hiahia ana koe kia whakaotihia e to tauira me te tuku haere i te tauira ki te ako me pehea te whakatutuki.
I roto i tenei tuhinga, ka tuhurahia e tatou nga tikanga o te ako whakakaha me te pehea e taea ai te whakamahi i te anga RL ki nga momo raru rereke o te ao tuuturu.
He aha te ako whakapakari?
Ko te ako whakapakari e pa ana ki tetahi waahanga o akoranga mīhini e arotahi ana ki te rapu otinga ma te utu i nga whanonga e hiahiatia ana me te whiu i nga whanonga kore.
Kaore i rite ki te ako kua maatakihia, ko te tikanga ako whakakaha karekau he huingararaunga whakangungu e whakarato ana i te putanga tika mo te whakaurunga. I te kore o nga raraunga whakangungu, me rapu te algorithm i te otinga ma te whakamatautau me te hapa. Ko te algorithm, e kiia ana e matou he kaihoko, me kimi i te otinga ma te mahi tahi me te taiao.
Ka whakatauhia e nga kairangahau he aha nga hua ka puta utu me te aha e taea e te algorithm. Ia mahi ka whiwhi te algorithm i etahi ahua o nga urupare e tohu ana i te pai o te mahi a te algorithm. I te wa o te whakangungu, ka kitea e te algorithm te otinga tino pai hei whakaoti i tetahi raru.
He Tauira Maamaa: 4×4 Mātiti
Me titiro ki tetahi tauira ngawari o te rapanga ka taea e tatou te whakaoti ma te ako whakapakari.
Me whakaaro he matiti 4×4 to tatou taiao. Ka tuu noa to maatau kaihoko ki tetahi o nga tapawha me etahi arai. Kei roto i te matiti e toru nga arai "rua" me karohia me te utu "taimana" kotahi ka kitea e te kaihoko. Ko te whakamaarama katoa o to tatou taiao e mohiotia ana ko te taiao kāwanatanga.
I roto i ta maatau tauira RL, ka taea e to maatau kaihoko te neke ki tetahi tapawha e patata ana mena karekau he arai e aukati ana. Ko te huinga o nga mahi whaimana katoa i roto i tetahi taiao e mohiotia ana ko te wāhi mahi. Ko te whainga o to maatau kaihoko ko te rapu huarahi poto rawa atu ki te utu.
Ka whakamahia e to maatau kaihoko te tikanga ako whakapakari ki te rapu i te huarahi ki te taimana me iti rawa nga hikoinga. Ma ia hikoinga tika ka whakawhiwhia te karetao he utu, ka tangohia e ia hikoinga he te utu o te karetao. Ka tatauhia e te tauira te utu katoa ina tae te kaihoko ki te taimana.
Inaianei kua tautuhia e matou te kaihoko me te taiao, me tautuhi ano i nga ture hei whakamahi mo te whakatau i nga mahi ka whai ake ka mahia e te kaihoko i runga i tona ahuatanga o naianei me te taiao.
Nga kaupapa here me nga utu
In a reinforcement learning model, a kaupapa here e tohu ana ki te rautaki e whakamahia ana e te kaihoko ki te whakatutuki i o raatau whainga. Ko te kaupapa here a te kaihoko te mea e whakatau ana me aha te kaihoko a muri ake nei i runga i te ahuatanga o te kaihoko me tona taiao.
Me arotake e te kaihoko nga kaupapa here katoa e taea ana kia kite ko tehea kaupapa here e tino pai ana.
I roto i ta maatau tauira ngawari, ka tau ki runga i te waahi kore ka hoki mai he uara -1. Ka tau te kaihoko ki tetahi waahi me te utu taimana, ka whiwhi ratou i te uara o te 10. Ma te whakamahi i enei uara, ka taea e taatau te whakataurite i nga kaupapa here rereke ma te whakamahi i te mahi whaipainga U.
Me whakatauritea te whaipainga o nga kaupapa here e rua kua kitea i runga ake nei:
U(A) = -1 – 1 -1 + 10 = 7
U(B) = -1 – 1 – 1 – 1 – 1 + 10 = 5
Ko nga hua e whakaatu ana ko te Kaupapahere A te huarahi pai ki te rapu utu. No reira, ka whakamahia e te kaihoko te Ara A i runga i te Kaupapahere B.
Te Exploration vs
Ko te tuhura me te raruraru tauhokohoko i roto i te ako whakakaha he raruraru me pa ki te kaihoko i te wa e whakatau ana.
Me arotahi nga kaihoko ki te torotoro i nga huarahi hou, i nga whiringa ranei, me whakamahi tonu i nga waahanga kua mohiohia e ratou?
Ki te whiriwhiri te kaihoko ki te tuhura, tera pea ka kitea e te kaihoko tetahi whiringa pai ake, engari ka tupono pea ka moumou taima me nga rawa. I tetahi atu taha, ki te whiriwhiri te kaihoko ki te whakamahi i te otinga kua mohiohia e ia, tera pea ka ngaro tetahi whiringa pai ake.
Whakamahinga Mahi
Anei etahi huarahi Nga kairangahau AI kua tono tauira ako whakapakari hei whakaoti rapanga o te ao:
Te Whakapakari i te Ako i roto i nga Motuka-whaiaro
Kua whakamahia te ako whakakaha ki nga motuka taraiwa whaiaro kia pai ake ai to raatau kaha ki te taraiwa haumaru me te pai. Ma te hangarau ka taea e nga motuka motuhake te ako mai i o raatau he me te whakatika tonu i o raatau whanonga kia pai ai o raatau mahi.
Hei tauira, ko te kamupene AI o Raanana Wayve kua angitu te whakamahi i tetahi tauira ako whakakaha hohonu mo te taraiwa motuhake. I roto i ta raatau whakamatautau, i whakamahia e raatau he mahi utu e whakanui ana i te waa e rere ana te waka me te kore e tukuna e te taraiwa o runga te whakaurunga.
Ka awhina ano nga tauira RL i nga motuka ki te whakatau i runga i te taiao, penei i te karo i nga arai, te whakakotahi ranei ki nga waka. Me kimi huarahi enei tauira ki te huri i te taiao uaua e karapoti ana i te motuka ki te waahi kaaiti ka taea e te tauira te maarama.
Te Whakapakari Ako i roto i te Robotics
Kua whakamahia hoki e nga kairangahau te ako whakakaha ki te whakawhanake i nga karetao ka taea te ako i nga mahi uaua. Ma enei tauira RL, ka taea e nga karetao te mataki i to ratau taiao me te whakatau i runga i o raatau tirohanga.
Hei tauira, kua mahia he rangahau mo te whakamahi i nga tauira ako whakapakari kia taea ai e nga karetao takirua te ako me pehea te mahi haere i runga i o ratou.
Ki nga kairangahau ko te RL te tikanga matua i roto i nga mahi karetao. Ko te ako whakakaha ka whakawhiwhia ki nga kaihoko karetao he anga ki te ako i nga mahi maamaa tera pea he uaua ki te miihini.
Te Whakapakari i te Ako i roto i te petipeti
Kua whakamahia hoki nga tauira RL ki te ako ki te purei keemu ataata. Ka taea te whakarite i nga kaihoko ki te ako mai i o raatau he me te whakapai tonu i o raatau mahi i roto i te keemu.
Kua whakawhanakehia e nga kairangahau etahi kaihoko ka taea te takaro i nga keemu penei i te chess, Go, me te poker. I te tau 2013, Deepmind i whakamahia te Ako Whakakaha Hohonu hei tuku i tetahi tauira ki te ako me pehea te takaro i nga keemu Atari mai i te wahanga.
He maha nga keemu papa me nga keemu ataata he iti te waahi mahi me te whainga raima kua tino tautuhia. Ka whai hua enei ahuatanga ki te painga o te tauira RL. Ka taea e nga tikanga RL te huri tere mo nga miriona keemu whakatairite ki te ako i nga rautaki tino pai ki te eke ki te wikitoria.
Opaniraa
Ahakoa e ako ana me pehea te hikoi, e ako ana ranei ki te purei keemu ataata, kua whakamatauhia nga tauira RL he anga AI whai hua mo te whakaoti rapanga e hiahia ana ki te whakatau kaupapa uaua.
I te tipu haere tonu o te hangarau, ka rapu tonu nga kairangahau me nga kaiwhakawhanake i nga tono hou e whai hua ai te kaha o te tauira ki te ako whaiaro.
He aha nga tono whaihua ki to whakaaro ka taea e te ako whakapakari te awhina?
Waiho i te Reply