InayofuataMwongozo unaofuata
Kujifunza kwa Kuimarisha Kinyume
Kiufundi
MWONGOZO wa Kiufundi
Mafunzo ya Kuimarisha
Mafunzo ya kuimarisha hufundisha wakala kuchagua vitendo kwa kutumia maoni kuhusu matokeo yake.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Wakala hutangamana na mazingira na kujaribu kuboresha lengo limbikizo la zawadi. Zawadi ni ishara iliyoundwa na inaweza kuwakilisha tu tabia ambayo watu wanataka.
Mambo muhimu ya kuchukua
- Vitendo huathiri uchunguzi wa siku zijazo.
- Muundo wa zawadi unaweza kuunda motisha zisizotarajiwa.
- Dhibiti utafutaji na majaribio zaidi ya mazingira moja.
Dive ya kina
Wakala huangalia hali au uchunguzi, huchagua kitendo kulingana na sera, na kupokea maoni. Kitendo kinaweza kubadilisha hali zilizojitokeza baadaye, kwa hivyo jukumu linatofautiana na kutabiri lebo huru. Msururu wa mwingiliano unaweza kuunda kipindi, kama vile mchezo mmoja au safari moja ya kuigwa. Uchunguzi hujaribu vitendo ili kujifunza kuhusu matokeo yao. Unyonyaji hutumia kile ambacho wakala amejifunza kutafuta zawadi. Usambazaji halisi lazima uzuie uchunguzi wakati makosa yanaweza kuathiri watu, vifaa au bajeti. Uigaji mara nyingi ni muhimu, lakini mafanikio ndani yake yanaweza kutegemea mawazo ambayo hushindwa nje yake. Zawadi zinazocheleweshwa huleta tatizo la ugawaji wa mikopo: ni hatua gani za awali zilisaidia au kudhuru matokeo? Algoriti hukadiria thamani au kuboresha sera moja kwa moja kwa kutumia uzoefu. Chaguo la uchunguzi, nafasi ya kitendo, zawadi, na upeo wa muda unaweza kuwa na umuhimu kama vile jina la algoriti. Jaribu kama sera inatumia mianya ya zawadi. Ikiwa wakala wa usaidizi atapata zawadi kwa kufunga tikiti, anaweza kufunga maombi ambayo hayajatatuliwa. Jumuisha ukaguzi wa moja kwa moja wa kukamilika kwa kazi na matokeo yasiyokubalika. Linganisha utendaji katika hali mbalimbali za kuanzia na uripoti gharama ya kukusanya uzoefu.
04Mfano uliofanya kazi
Kukokotoa faida iliyopunguzwa
Katika kipindi cha hatua tatu kilichobuniwa, zawadi ni 2, 0, na 5. Kwa kipengele cha punguzo cha 0.9, mapato kutoka kwa hatua ya kwanza ni 2 + 0.9 × 0 + 0.9² × 5.
Matokeo yake ni 6.05. Bila punguzo, jumla itakuwa 7.
Kubadilisha ufafanuzi wa zawadi au upeo wa macho kunaweza kubadilisha sera ambayo inapendekezwa hata katika mazingira sawa.
Nini inaonyesha
Mfano huu wa hesabu unaeleza lengo; sio matokeo ya kujifunza ya kuimarisha.
Utekelezaji wa Ulimwengu Halisi
Funza sera katika kiigaji kilicho na vitendo vilivyobainishwa vyema.
Linganisha sera za hatua kwa kutumia matokeo yaliyorekodiwa wakati makisio ya tathmini yanatetewa.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Gharama na bajeti. Maamuzi ya usanifu huendesha utendaji na gharama ya uendeshaji kwa miaka.
- Maamuzi ya wazi zaidi. Elimu ya kiufundi husaidia timu kuchagua safu sahihi, sio tu mpya zaidi.
- Udhibiti wa ubora. Chaguo bora za uhandisi hupunguza matukio ya kuaminika katika uzalishaji.
Jihadharini na
- Kuboresha kiwango kimoja kunaweza kuficha udhaifu mkubwa wa mfumo.
- Gharama za miundombinu na matengenezo mara nyingi hupunguzwa.
- Mapengo ya usalama na uonekanaji yanaweza kukua kadiri mifumo inavyozidi kuwa ngumu.
Hatua zinazofuata
- Bainisha muda, ubora na malengo ya gharama kabla ya utekelezaji.
- Benchmark chini ya mzigo halisi na hali ya data.
- Ufuatiliaji wa ala kwa makosa, kuteleza, na athari za mtumiaji.
- Tayarisha njia za urejeshaji na majibu ya matukio kabla ya kuongeza ukubwa.
Vyanzo na kusoma zaidi
- MIT Press; Richard S. Sutton and Andrew G. BartoMafunzo ya Kuimarisha: Utangulizi
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Reinforcement Learning quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
Je, malipo ni sawa na idhini ya mwanadamu?
Si lazima. Zawadi zinaweza kuwa vipimo vya nambari, matokeo au seva mbadala za maoni. Uunganisho wao kwa lengo lililokusudiwa lazima utathminiwe.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii