개요
중요한 이유는 환경의 규칙을 전혀 듣지 않고도 최적의 행동을 찾을 수 있기 때문입니다.
심층 분석
Q-Learning은 Q(s, a)라는 함수를 학습합니다. 즉, 상태 's'에서 'a' 작업을 수행하고 이후에 최적으로 행동할 때 예상되는 장기 보상입니다. 에이전트는 아무것도 모르고 시작하여 행동을 시도하고 보상을 관찰합니다. 각 단계 후에 방금 받은 보상과 다음 상태에서 기대하는 가장 할인된 미래 가치를 향해 Q 값 추정치를 조금씩 움직입니다. 결정적으로, 이는 '정책 외' 및 '모델 프리'입니다. 무작위로 탐색하면서 최상의 정책을 학습할 수 있으며 세계가 어떻게 전환되는지에 대한 모델이 필요하지 않습니다. 모든 상태-행동 쌍을 충분히 탐색하면 Q 값은 최적의 값으로 수렴할 수 있으며 모든 상태에서 가장 좋은 행동은 단순히 Q가 가장 높은 행동입니다.
실제 구현
화면 픽셀에서 직접 Breakout 및 Pong을 플레이하는 방법을 학습하는 Atari 게임 플레이 에이전트(DeepMind의 DQN)
총 차량 대기 시간을 최소화하기 위해 교차로의 신호등 타이밍을 최적화합니다.
로봇이 보상을 최대화하는 최단 경로를 학습하는 그리드 또는 미로를 통한 로봇 탐색
상담원이 어떤 조치가 장기적 이익을 극대화하는지 학습하는 동적 가격 책정 및 재고 결정
Q-러닝의 미래
상태가 너무 많아 테이블에 저장할 수 없을 때 고전적인 테이블 형식 Q-Learning이 어려움을 겪습니다. 지배적인 방향은 픽셀과 같은 원시 입력에서 Q 값을 근사화하는 DQN(Deep Q-Networks)에서와 같이 신경망과 결합하는 것입니다. 경험 재생, 대상 네트워크, 과대평가 편향을 줄이고 단일 평균이 아닌 전체 수익 분포를 나타내는 Double DQN 및 분포형 Q-Learning과 같은 변형을 통해 이를 안정화하는 연구가 계속되고 있습니다.
실천에 옮기기
왜 중요한가요?
- 비용 및 예산. 아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
- 더 명확한 결정들. 기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
- 품질 관리. 더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
조심하세요
- 하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
- 인프라 및 유지 관리 비용은 종종 과소평가됩니다.
- 시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
다음 단계
- 구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
- 현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
- 오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
- 확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
무료 뉴스레터
일일 AI 브리핑 받기
매주 평일 아침마다 3개의 검증된 AI 스토리를 일반 영어로 작성합니다. 무료이며, 광고 없음.
매주 평일마다 한 번 이메일을 받습니다. 한 번 클릭으로 구독 해지. 주소를 판매하거나 공유하지 않습니다.
자신을 테스트해 보세요
Take the Q-Learning quiz
모든 답변에 즉각적인 피드백과, 과정을 통과하면 검증 가능한 ID가 있는 공유 가능한 인증서를 제공합니다.
무료 AI 교육을 지원합니다. AI Understanding는 501(c)(3) 비영리 단체입니다 — 광고 없음, 유료 장벽 없음, 영원히. 기부하기
자주 묻는 질문
Q-러닝이란 무엇인가요?
Q-Learning은 시행착오를 통해 각 동작의 가치를 점진적으로 학습하여 에이전트에게 어떤 행동이 가장 효과적인지 가르치는 강화 학습 알고리즘입니다. 환경의 규칙을 듣지 않고도 최적의 행동을 찾을 수 있기 때문에 중요합니다.
Q-값 Q(s, a)는 무엇을 나타냅니까?
Q(s, a)는 즉각적인 보상뿐만 아니라 상태 s에서 조치 a를 취하고 그 이후에 최적으로 행동함으로써 할인된 총 미래 보상을 추정합니다.
Q-Learning이 '정책 위반'으로 설명되는 이유는 무엇입니까?
max over next actions은 에이전트가 다른 행동 정책을 탐색하는 동안에도 Q-Learning이 탐욕적 최적 정책의 값을 학습한다는 것을 의미합니다.
업데이트 규칙에서 할인 계수 감마는 무엇을 제어합니까?
감마(0과 1 사이)는 미래 보상을 할인합니다. 1에 가까운 값은 에이전트를 원시로 만들고, 0에 가까운 값은 근시안으로 만듭니다.
Q-Learning의 시간차(TD) 오류는 무엇인가요?
TD 오류는 새로운 목표 추정치(보상과 가장 할인된 미래 가치를 더한 값)와 이전 Q 추정치 사이의 차이입니다. 업데이트는 이러한 격차를 줄입니다.
일반 테이블 형식 Q-Learning이 픽셀로 인한 비디오 게임과 같은 큰 문제로 어려움을 겪는 이유는 무엇입니까?
조회 테이블에는 상태-동작 쌍당 항목이 필요합니다. 이는 상태 수가 수십억 개에 달할 때 실행 불가능하므로 DQN과 같은 신경망 근사기에 동기를 부여합니다.