الٹا کمک سیکھنا

الٹا ری انفورسمنٹ لرننگ (IRL) معیاری RL کو پلٹتا ہے: انعام دینے اور پالیسی تلاش کرنے کے بجائے، یہ ماہر کے رویے کو دیکھتا ہے اور اس کی وضاحت کرنے والے پوشیدہ انعامی فنکشن کا اندازہ لگاتا ہے۔ یہ اس لیے اہمیت رکھتا ہے کہ بازیافت شدہ انعام نئے حالات میں براہ راست نقل کی گئی کارروائیوں سے کہیں بہتر ہے۔

IRL مظاہروں کو ان پٹ کے طور پر لیتا ہے اور بنیادی انعامی فنکشن کا اندازہ لگاتا ہے جس کے تحت ماہر کا برتاؤ بہترین دکھائی دیتا ہے۔

ایک سے زیادہ انعامی افعال، بشمول ایک معمولی تمام صفر انعام، مشاہدہ شدہ رویے کو بہترین بنا سکتے ہیں، اس لیے انعام کا تعین انفرادی طور پر صرف مظاہروں سے نہیں ہوتا ہے۔

ایک انعامی فنکشن انکوڈ کرتا ہے کہ ماہر نے جیسا کام کیا، اس سے اخذ کردہ پالیسی کو نئی ریاستوں میں سمجھداری سے برتاؤ کرنے دیا جاتا ہے، جبکہ کلوننگ صرف اعداد و شمار میں نظر آنے والی کارروائیوں کو کاپی کرتی ہے۔

میکس-اینٹروپی IRL فرض کرتا ہے کہ اعلیٰ انعام کی رفتار کا امکان بہت زیادہ ہے، جو ایک منفرد مقصد دیتا ہے جو نامکمل، شور مچانے والے ماہرین کو بھی برداشت کرتا ہے۔

IRL ایک انعام تیار کرتا ہے، جسے پھر ایک عام RL الگورتھم کے حوالے کر دیا جاتا ہے تاکہ اس قیاس شدہ مقصد کے تحت ایک بہترین پالیسی کا حساب لگایا جا سکے۔