机器学习算法——强化学习

本文介绍了2016年AlphaGo如何借助深度强化学习击败围棋冠军李世石,揭示了强化学习的概念。强化学习是一种类似于训练宠物的方式,通过奖励和惩罚使算法学习最优策略。算法与环境交互,目标是最大化未来的奖励,OpenAI Gym被用作交互平台。文章适合已了解马尔可夫决策过程的读者,探讨强化学习在无先验知识情况下让智能体学习打游戏的能力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2016 年 3 月,谷歌公司 DeepMind 团队的 AlphaGo 以 4 比 1 战胜第 18 届世界围棋冠军李世石,这是一场具有历史意义的比赛。
在这里插入图片描述

图 1 围棋落子位置种类

让电脑学会下围棋是一件十分困难的事情,它有如图 1 所示这么多种可能的落子位置。在围棋中获胜不可能只靠简单的蛮力,它需要技巧、创造力,以及类似职业棋手的直觉。

通过融合深度强化学习网络和最先进的树搜索算法,AlphaGo 实现了这一创举。本章将介绍强化学习以及强化学习的算法案例。

第一个问题就是什么是强化学习,它与前几章介绍的监督学习和无监督学习有什么区别?

喂养过宠物的人都知道,想要训练宠物,最有效的方法就是当它做得好的时候奖励它,做得不好的时候惩罚它。强化学习就是一种类似的学习算法。神经网络算法采取一系列动作(a),它将会引起一系列与环境有关的状态(s)变化…它就可以得到奖励或者惩罚。

以一只狗为例,狗是这里的主体,狗主动采取动作,那么对应地做出反应,比如扔给它一块骨头作为奖赏。
在这里插入图片描述

图 2

注意,我们的大脑也有一组位于前脑底部的皮层下核,称为基础神经节。根据神经系统科学中的论述,基础神经节负责动作的选择,也就是说,它负责给出在任一给定时应该从几种可执行动作中选择执行哪一个动作。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值