Glosar

Q-learning

Ce este Q-learning?

Q-learning este o metodă fundamentală de învățare prin întărire. Un agent învață prin încercare și eroare ce valoare pe termen lung (valoarea „Q”) are o anumită acțiune într-o anumită situație și, în timp, alege acțiunile cele mai promițătoare. Pentru aceasta nu are nevoie de un model al mediului său. Combinat cu rețele neuronale (deep Q-learning), un sistem DeepMind a folosit această abordare pentru a învăța să joace multe jocuri video Atari doar pe baza pixelilor de pe ecran.

Subiecte

învățare prin întărire
algoritm
recompensă

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Învățarea prin întărire (RL)

Învățarea prin întărire este o ramură a învățării automate în care un agent învață prin încercare și eroare. Acționează într-un mediu, primește recompense pentru rezultate bune și penalizări pentru cele rele și își dezvoltă astfel o strategie care maximizează recompensa totală. Exemple cunoscute sunt programele care stăpânesc jocuri de societate precum Go, controlul roboților și reglajul fin al modelelor lingvistice pe baza evaluărilor umane.

metodă de învățare
recompensă
+1

Învățarea prin întărire pe baza feedbackului uman (RLHF)

RLHF este o metodă de antrenare care face modelele lingvistice mai utile și mai sigure. Oamenii compară și evaluează mai multe răspunsuri ale modelului; aceste judecăți sunt folosite pentru a antrena un model de recompensă, care antrenează apoi, prin învățare prin întărire, chiar modelul lingvistic. Acesta învață astfel, de exemplu, să răspundă mai clar sau să refuze solicitările problematice. RLHF are loc la furnizorul modelului, înainte ca un model să fie lansat – nu la utilizatorii individuali.

antrenare
feedback uman
+1

Metodele Monte Carlo

Metodele Monte Carlo sunt tehnici de calcul care folosesc un număr foarte mare de eșantioane aleatorii pentru a aproxima rezultate dificil de calculat analitic. Un sistem este simulat de mii de ori, cu ipoteze variate aleatoriu, iar distribuția rezultatelor este analizată. Organizațiile le folosesc pentru analiza riscurilor, planificarea proiectelor sau evaluarea portofoliilor. În IA, metodele sunt utilizate, printre altele, în învățarea prin întărire și în căutarea în arbore pentru jocuri.

simulare
statistică
+1

Rețele neuronale artificiale (RNA)

Rețelele neuronale artificiale (RNA) sunt modele de calcul formate din multe unități conectate („neuroni”), aranjate în straturi, care prelucrează intrările prin conexiuni ponderate. În timpul antrenării, ponderile sunt ajustate pas cu pas pe baza unor exemple, de obicei prin retropropagare. RNA stau la baza deep learning și alimentează recunoașterea imaginilor, recunoașterea vorbirii și modelele lingvistice de mari dimensiuni. În ciuda inspirației biologice, funcționează mult mai simplu decât creierul uman.

Deep learning
noțiuni de bază despre IA
+1