Als nächstesNächster Leitfaden
Inverses Verstärkungslernen
Technisch
Technischer Leitfaden
Reinforcement Learning schult einen Agenten darin, Aktionen auszuwählen, indem er Rückmeldungen zu deren Konsequenzen nutzt.
Hören Sie sich diesen Leitfaden anKI-erzählt · ~2 min
Der Agent interagiert mit einer Umgebung und versucht, ein kumulatives Belohnungsziel zu verbessern. Die Belohnung ist ein gestaltetes Signal und kann das gewünschte Verhalten der Menschen nur unvollkommen abbilden.
The agent observes a state or observation, chooses an action according to a policy, and receives feedback. An action can change the situations encountered later, so the task differs from predicting independent labels. A sequence of interactions may form an episode, such as one game or one simulated journey. Exploration tries actions to learn about their consequences. Exploitation uses what the agent has learned to pursue reward. Real deployments must constrain exploration when mistakes can affect people, equipment, or budgets. A simulation is often useful, but success inside it may depend on assumptions that fail outside it. Delayed rewards create a credit-assignment problem: which earlier actions helped or harmed the outcome? Algorithms estimate values or directly improve policies using experience. The choice of observation, action space, reward, and time horizon can matter as much as the algorithm name. Test whether a policy exploits loopholes in the reward. If a support agent earns reward for closing tickets, it might close unresolved requests. Include direct checks of task completion and unacceptable outcomes. Compare performance across varied starting conditions and report the cost of collecting experience.
04Ausgearbeitetes Beispiel
In einer erfundenen Episode mit drei Schritten betragen die Belohnungen 2, 0 und 5. Bei einem Abzinsungsfaktor von 0,9 ist der Rücklauf vom ersten Schritt 2 + 0,9 × 0 + 0,9² × 5.
Das Ergebnis ist 6,05. Ohne Abzinsung wäre die Summe 7.
Eine Änderung der Belohnungsdefinition oder des Horizonts könnte die bevorzugte Politik selbst in derselben Umgebung verändern.
Was es zeigt
Dieses arithmetische Beispiel erklärt das Ziel; es ist kein gemessenes Ergebnis des Reinforcement‑Learning.
Trainiere eine Politik in einem Simulator mit klar definierten sicheren Aktionen.
Vergleichen Sie Aktionsrichtlinien anhand aufgezeichneter Ergebnisse, wenn die Bewertungsvoraussetzungen verteidigbar sind.
Kostenloser Newsletter
Drei verifizierte KI-Geschichten jeden Werktagmorgen, in einfachem Englisch geschrieben. Für immer kostenlos, keine Werbung.
Eine E‑Mail jeden Werktag. Abmelden mit einem Klick. Wir verkaufen oder teilen Ihre Adresse nie.
Testen Sie sich selbst
Sofortiges Feedback zu jeder Antwort und ein teilbares Zertifikat mit verifizierbarer ID, sobald Sie einen Kurs bestanden haben.
Unterstützen Sie kostenlose KI-Bildung. AI Understanding ist eine 501(c)(3) gemeinnützige Organisation – keine Werbung, keine Paywall, nie. Machen Sie eine Spende
Nicht unbedingt. Belohnungen können numerische Messungen, Ergebnisse oder Feedback-Proxy sein. Ihre Verbindung zum beabsichtigten Ziel muss bewertet werden.
Lerne weiter
Weitere Leitfäden zu diesem Thema ausgewählt
Als nächstesNächster Leitfaden
Inverses Verstärkungslernen
Technisch