Woordenlijst

Q-learning

Wat is Q-learning?

Q-learning is een fundamentele methode binnen reinforcement learning. Een agent leert al doende, door vallen en opstaan, welke waarde op lange termijn (de “Q-waarde”) een bepaalde actie in een bepaalde situatie heeft, en kiest na verloop van tijd de meest veelbelovende acties. Daarvoor is geen model van de omgeving nodig. In combinatie met neurale netwerken (deep Q-learning) leerde een systeem van DeepMind op deze manier veel Atari-videogames spelen, uitsluitend op basis van de pixels op het scherm.

Onderwerpen

reinforcement learning
algoritme
beloning

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Reinforcement learning (RL)

Reinforcement learning is een tak van machine learning waarin een agent leert door vallen en opstaan. Hij handelt binnen een omgeving, krijgt beloningen voor goede uitkomsten en straffen voor slechte, en ontwikkelt zo een strategie die de totale beloning maximaliseert. Bekende voorbeelden zijn programma’s die bordspellen als Go beheersen, de besturing van robots en het finetunen van taalmodellen op basis van menselijke beoordelingen.

leermethode
beloning
+1

Reinforcement learning met menselijke feedback (RLHF)

RLHF is een trainingsmethode die taalmodellen behulpzamer en veiliger maakt. Mensen vergelijken en beoordelen meerdere antwoorden van het model; met die oordelen wordt een beloningsmodel getraind, dat het taalmodel zelf vervolgens via reinforcement learning verder traint. Zo leert het bijvoorbeeld duidelijker te antwoorden of problematische verzoeken te weigeren. RLHF vindt plaats bij de aanbieder van het model voordat een model wordt uitgebracht – niet bij individuele gebruikers.

training
menselijke feedback
+1

Monte Carlo-methoden

Monte Carlo-methoden zijn rekentechnieken die een zeer groot aantal willekeurige steekproeven gebruiken om resultaten te benaderen die analytisch moeilijk te berekenen zijn. Een systeem wordt duizenden keren gesimuleerd met willekeurig gevarieerde aannames, waarna de verdeling van de uitkomsten wordt geanalyseerd. Organisaties gebruiken dit voor risicoanalyse, projectplanning of portefeuillewaardering. In AI worden de methoden onder meer toegepast bij reinforcement learning en bij zoekbomen voor spellen.

simulatie
statistiek
+1

Kunstmatige neurale netwerken (ANN’s)

Kunstmatige neurale netwerken (ANN’s) zijn rekenmodellen die bestaan uit veel verbonden eenheden (“neuronen”) die in lagen zijn geordend en invoer verwerken via gewogen verbindingen. Tijdens het trainen worden de gewichten stap voor stap aangepast aan de hand van voorbeelden, meestal via backpropagation. ANN’s vormen de basis van deep learning en drijven beeldherkenning, spraakherkenning en grote taalmodellen aan. Ondanks hun biologische inspiratie werken ze veel eenvoudiger dan het menselijk brein.

Deep learning
AI-basisbegrippen
+1