11 · 08强化学习最重要的是学会给机器人奖励

AI3.008强化学习最重要的是学会给机器人奖励

第八章，强化学习，最重要的是学会给机器人奖励。本章讲解让AlphaGo名声大噪的幕后方法：强化学习。作者从驯兽师的秘诀说起，奖励正确行为，忽略错误行为，记者萨瑟兰甚至用这招训练丈夫收拾袜子，这就是心理学上的操作性条件反射。与监督学习不同，强化学习不需要标注样本，智能体在环境中执行动作，偶尔获得奖励，这是它唯一的反馈。作者用机器狗罗茜学踢球的例子详细说明Q学习：罗茜随机尝试，直到偶然踢到球得到十分奖励，再把这种状态和动作的值记进Q表，逐层回传，最终学会从任何位置踢球，作者模拟实验用了大约三百个片段。现实中也有两大绊脚石：真实任务的状态无法罗列成表格，所以改用神经网络；真机训练太慢太危险，只能在模拟世界学习。章末指出，环境越复杂，模拟技能越难迁移到现实，因此强化学习最大的成功不在机器人领域，而在能完美模拟的游戏领域。

---

自动同步自湛庐有声书管线 · HedgeDoc 原页