图解深度强化学习（简单的）

其实理解起来就是环境是一个根据输入输出响应信息的一个标注器
其他的就是一个神经网络，
只不过输入和输出是环境的输入和输出，神经网络就是智能体。代替和模拟其他左右动作，就人类环境而言，我们是和环境学习的一切，环境的变化和智能体的响应就构成了学习，那么在过去的人工智能深度神经网络为什么没有出现人类智慧呢，其实有智没有会，原因不得而知，原因有可能是输出过于单一，输入和输出不是真正的逻辑对应关系，或者说对应的逻辑关系比较单一，如果多模态输出，就极有可能让神经网络可以实现智能，实现人类的意识输出，比如输入一个图输出，不仅仅是分类，而是多样的比如环境什么，还有输入也是单一的，一个图不同时间代表的意义也是不同的，所以输入也要多模态输出也要多模态，才会是一个智能体。
如今研究界研究的也只是单一的输入输出多模态而已，但是以及能提高之前单一神经网络的智能了，如果能多对多的输入，输出。就能建立一个真正的智能，其实也没有那么多输入，大致人脑的输入，是图声等
其他的可以人类自定义一些数据输入就可以，不必太真实。
如果为了真实可以模拟一个虚拟的世界让，人工智能学习。
比如游戏世界，中可以体会到风，体会到重量，这都是可以模拟的
其实为什么要输入那么多，原因很简单，你要模拟 x 和y的关系不说明x是什么，那么机器永远要猜你要输入是什么，这就是神经网络需要大量数据输入的原因，如果是多模态的可能不需要那么多数据就学会了
输出也是一样的一个图输入，对于现在单一的y来说，信息太多还都是么有的，首先神经网络要剔除那些么有用的信息，才会开始找对应关系
可以这样理解输入的图是10个数，每个数的状态有十个，而你要建立的是其中一个数的某几个状态和y的关系，那么神经网络要剔除 9*10状态信息，如果是一张图，会更多多余的信息系对于y来说。

图解深度强化学习（简单的）相关推荐

读后感和机翻《人类因果迁移:深度强化学习的挑战》
研究朱松纯FPICU体系的第1篇文章 <Human Causal Transfer: Challenges for Deep Reinforcement Learning>CogSci 2 ...
被追捧为“圣杯”的深度强化学习已走进死胡同
作者 | 朱仲光编译 | 夕颜出品 | AI科技大本营(ID:rgznai1100) [导读]近年来,深度强化学习成为一个被业界和学术界追捧的热门技术,社区甚至将它视为金光闪闪的通向 AGI 的圣 ...
DeepMind悄咪咪开源三大新框架，深度强化学习落地希望再现
作者 | Jesus Rodriguez 译者 | 夕颜出品 | AI科技大本营(ID:rgznai100) [导读]近几年,深度强化学习(DRL)一直是人工智能取得最大突破的核心.尽管取得了很多进 ...
必看，61篇NeurIPS深度强化学习论文解读都这里了
作者 | DeepRL 来源 | 深度强化学习实验室(ID: Deep-RL) NeurIPS可谓人工智能年度最大盛会.每年全球的人工智能爱好者和科学家都会在这里聚集,发布最新研究,并进行热烈探讨,大 ...
深度学习的发展方向：深度强化学习！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:莫凡&马晶敏,上海交通大学,Datawhale成员深度学 ...
深度强化学习为什么在实际当中用的比较少？
公众号关注 "视学算法" 设为 "星标",重磅干货,第一时间送达! 来自 | 知乎地址 | https://www.zhihu.com/question/29 ...
Neuron 2020 | 深度强化学习和神经科学
作者 | 涂心琪审稿 | 李梓盟今天给大家介绍DeepMind人工智能研究团队负责人Matthew Botvinick在Neuron上发表的文章"Deep Reinforcement L ...
第二十六课.深度强化学习(一)
目录强化学习基本概念数学基础回顾强化学习中的专业术语强化学习中的随机性如何使用AI进行游戏关于rewards和returns 价值函数Value Functions action-valu ...
《强化学习周刊》第26期：UCL UC Berkeley发表深度强化学习中的泛化研究综述、JHU推出基于强化学习的人工决策模型...
No.26 智源社区强化学习组强化学习研究观点资源活动关于周刊强化学习作为人工智能领域研究热点之一,其研究进展与成果也引发了众多关注.为帮助研究与工程人员了解该领域的相关进展和 ...

图解深度强化学习（简单的）

图解深度强化学习（简单的）相关推荐

最新文章

热门文章