A re nahane u leka ho ruta roboto ho tsamaea. Ho fapana le ho ruta k'homphieutha mokhoa oa ho bolela esale pele litheko tsa thepa kapa ho arola litšoantšo ka lihlopha, ha e le hantle ha re na dataset e kholo eo re ka e sebelisang ho koetlisa roboto ea rona.
Le hoja ho ka itlela feela ho uena, ho tsamaea ha e le hantle ke ketso e rarahaneng haholo. Ho tsamaea mohato ka tloaelo ho kenyelletsa mesifa e mengata e fapaneng e sebetsang hammoho. Boiteko le mekhoa e sebelisoang ho tloha sebakeng se seng ho ea ho se seng le tsona li itšetlehile ka lintlha tse fapa-fapaneng, tse akarelletsang hore na u jere ntho e itseng kapa hore na ho na le tšekamelo kapa mefuta e meng ea litšitiso.
Maemong a kang ana, re ka sebelisa mokhoa o tsejoang e le ho ithuta ho matlafatsa kapa RL. Ka RL, u ka hlalosa sepheo se itseng seo u batlang hore mohlala oa hau o se rarolle 'me butle-butle u lumelle mohlala hore o ithute o le mong hore na o ka o finyella joang.
Sehloohong sena, re tla hlahloba lintlha tsa motheo tsa ho matlafatsa thuto le hore na re ka sebelisa moralo oa RL joang mathateng a fapaneng a fapaneng lefatšeng la sebele.
Ho ithuta ka matlafatso ke eng?
Ho ithuta ka matlafatso ho bolela karolwana e itseng ya ho ithuta mochine e shebaneng le ho fumana litharollo ka ho putsa boitšoaro bo lakatsehang le ho otla boitšoaro bo sa batleheng.
Ho fapana le thuto e hlokometsoeng, mokhoa oa ho matlafatsa thuto hangata ha o na pokello ea data ea koetliso e fanang ka tlhahiso e nepahetseng bakeng sa tlhahiso e fanoeng. Ha ho se na data ea koetliso, algorithm e tlameha ho fumana tharollo ka teko le phoso. Algorithm, eo ka tloaelo re e bitsang moemeli, e tlameha ho fumana tharollo ka boeona ka ho sebelisana le tikoloho e khahlang.
Bafuputsi ba etsa qeto ea hore na ho na le liphetho life tse khethehileng moputso le seo algorithm e khonang ho se etsa. Emong le emong nke khato e molemo algorithm e nkang e tla fumana mofuta o mong oa maikutlo o bonts'ang hore na algorithm e sebetsa hantle hakae. Nakong ea thupelo, algorithm e tla qetella e fumane tharollo e nepahetseng ea ho rarolla bothata bo itseng.
Mohlala o Bonolo: Grid ea 4×4
Ha re shebeng mohlala o bonolo oa bothata boo re ka bo rarollang ka ho matlafatsa thuto.
Ha re re re na le 4 × 4 grid e le tikoloho ea rona. Moemeli oa rona o behiloe ka mokhoa o sa reroang ho le leng la lisekoere hammoho le litšitiso tse 'maloa. Letlapa le tla ba le litšitiso tse tharo tsa "mokoti" tse lokelang ho qojoa le moputso o le mong oa "taemane" oo moemeli a lokelang ho o fumana. Tlhaloso e felletseng ea tikoloho ea rona e tsejoa e le tikoloho boemo.
Mohlala oa rona oa RL, moemeli oa rona a ka fallela lisekoereng leha e le life tse haufi ha feela ho se na litšitiso tse li thibelang. Sehlopha sa liketso tsohle tse nepahetseng sebakeng se fanoeng se tsejoa e le sebaka sa ketso. Sepheo sa moemeli oa rona ke ho fumana tsela e khutšoanyane ea ho fumana moputso.
Moemeli oa rona o tla sebelisa mokhoa oa ho matlafatsa thuto ho fumana tsela ea taemane e hlokang mehato e fokolang. Mohato o mong le o mong o nepahetseng o tla fa roboto moputso mme mohato o mong le o mong o fosahetseng o tla tlosa moputso oa roboto. Mohlala o bala moputso o felletseng hang ha moemeli a fihla taemane.
Kaha joale re se re hlalositse moemeli le tikoloho, re tlameha ho hlalosa melao eo re tla e sebelisa ho khetha khato e latelang eo moemeli a tla e nka ho latela boemo ba hona joale le tikoloho.
Maano le Meputso
Mohlaleng oa ho matlafatsa thuto, a leano la e bua ka leano le sebedisoang ke moemedi ho phethahatsa maikemisetso a bona. Leano la moemeli ke lona le etsang qeto ea hore na moemeli o lokela ho etsa eng ka mor'a moo ho latela maemo a hajoale a moemeli le tikoloho ea hae.
Moemeli o tlameha ho lekola maano ohle a ka khonehang ho bona hore na ke pholisi efe e nepahetseng.
Mohlala oa rona o bonolo, ho lula sebakeng se se nang letho ho tla khutlisa boleng ba -1. Ha moemeli a lula sebakeng se nang le moputso oa daemane, o tla fumana boleng ba 10. Ho sebelisa litekanyetso tsena, re ka bapisa maano a fapaneng a sebelisa ts'ebetso ea lisebelisoa U.
Ha re bapiseng ts'ebeliso ea maano a mabeli a boletsoeng ka holimo:
U(A) = -1 – 1 -1 + 10 = 7
U(B) = -1 – 1 – 1 – 1 – 1 + 10 = 5
Liphetho li bontša hore Policy A ke tsela e betere ea ho fumana moputso. Kahoo, moemeli o tla sebelisa Path A holim'a Leano la B.
Patlisiso khahlano le Tšebeliso
The exploration vs. tlhekefetso khoebisano ea bothata ba ho matlafatsoa ho ithuta ke bothata boo moemeli a lokelang ho tobana le bona nakong ea ho etsa liqeto.
Na baemeli ba lokela ho tsepamisa maikutlo ho lekola litsela kapa likhetho tse ncha kapa ba tsoelepele ho sebelisa likhetho tseo ba seng ba ntse ba li tseba?
Haeba moemeli a khetha ho hlahloba, ho na le monyetla oa hore moemeli a fumane khetho e molemo, empa hape e ka senya nako le lisebelisoa. Ka lehlakoreng le leng, haeba moemeli a khetha ho sebelisa tharollo eo a seng a ntse a e tseba, a ka 'na a lahleheloa ke khetho e molemo.
Liketso tse sebetsang
Mekhoa e meng ke ena Bafuputsi ba AI ba sebelisitse mekhoa ea ho matlafatsa thuto ho rarolla mathata a sebele a lefats'e:
Matlafatso ea ho Ithuta ka Likoloi tse Itsamaisang
Thuto ea ho matlafatsa e 'nile ea sebelisoa ho likoloi tse itsamaisang e le ho ntlafatsa bokhoni ba tsona ba ho khanna ka mokhoa o sireletsehileng le ka katleho. Theknoloji e thusa likoloi tse ikemetseng ho ithuta liphosong tsa tsona le ho lula li fetola boitšoaro ba tsona ho ntlafatsa ts'ebetso ea tsona.
Ka mohlala, k'hamphani ea AI e London Wayve e atlehile ho sebelisa mokhoa oa ho ithuta oa matlafatso e tebileng bakeng sa ho khanna ka boithaopo. Tekong ea bona, ba sebelisitse mosebetsi oa moputso o eketsang nako eo koloi e tsamaeang ka eona ntle le hore mokhanni a fane ka tlhahiso.
Mefuta ea RL e boetse e thusa likoloi ho etsa liqeto tse ipapisitseng le tikoloho, joalo ka ho qoba litšitiso kapa ho kopanya sephethephethe. Mehlala ena e tlameha ho fumana mokhoa oa ho fetola tikoloho e rarahaneng e potolohileng koloi sebakeng sa moemeli oa boemo boo mohlala o ka o utloisisang.
Ho Ithuta ho Matlafatsa Liroboto
Bafuputsi le bona ba ntse ba sebelisa thuto ea matlafatso ho etsa liroboto tse ka ithutang mesebetsi e rarahaneng. Ka mefuta ena ea RL, liroboto li khona ho shebella tikoloho ea tsona le ho etsa liqeto ho latela seo li se hlokometseng.
Ka mohlala, ho entsoe lipatlisiso mabapi le ho sebelisa mekhoa ea ho ithuta e matlafatsang ho lumella liroboto tsa bipedal ho ithuta ho Tsamaea ka bo bona.
Bafuputsi ba nka RL e le mokhoa oa bohlokoa lefapheng la liroboto. Ho ithuta ka matlafatso ho fa baemeli ba liroboto moralo oa ho ithuta liketso tse tsoetseng pele tseo ho ka bang thata ho li etsa boenjiniere.
Matlafatso ea ho Ithuta Lipapaling
Mefuta ea RL le eona e sebelisitsoe ho ithuta ho bapala lipapali tsa video. Baemeli ba ka hlophisoa ho ithuta liphosong tsa bona le ho tsoela pele ho ntlafatsa ts'ebetso ea bona papaling.
Bafuputsi ba se ba thehile li-agents tse ka bapalang lipapali tse kang chess, Go, le poker. Ka 2013, Deepmind e sebelisitse Ho Ithuta ho Matlafatsoa ka botebo ho lumella mohlala ho ithuta ho bapala lipapali tsa Atari ho tloha qalong.
Lipapali tse ngata tsa boto le lipapali tsa video li na le sebaka se lekanyelitsoeng sa ketso le sepheo se hlakileng sa konkreite. Litšobotsi tsena li sebetsa molemong oa mohlala oa RL. Mekhoa ea RL e ka potlakisa lipapali tse fetang limilione tse hapiloeng ho ithuta maano a nepahetseng a ho fihlela katleho.
fihlela qeto e
Hore na ke ho ithuta ho tsamaea kapa ho ithuta ho bapala lipapali tsa video, mefuta ea RL e pakiloe e le meralo e sebetsang ea AI bakeng sa ho rarolla mathata a hlokang ho etsa liqeto tse rarahaneng.
Ha thekenoloji e ntse e tsoela pele ho fetoha, bafuputsi le bahlahisi ba tla tsoela pele ho fumana lisebelisoa tse ncha tse nkang monyetla oa bokhoni ba ho ithuta ba mohlala.
Ke lisebelisoa life tse sebetsang tseo u nahanang hore thuto ea matlafatso e ka thusa?
Leave a Reply