3、机器学习方法及相关概念解析

机器学习方法及相关概念解析

1. 生成模型示例

1.1 Stable Diffusion

当输入文本“Musician frog playing on a guitar”时，Stable Diffusion 会生成相应的图像。这展示了它根据自然语言描述生成图像的能力。

1.2 ChatGPT

OpenAI 的 ChatGPT 是另一个有趣的生成模型。GPT 代表 Generative Pre - trained Transformer，它就像一个智能聊天机器人。ChatGPT 能够回答后续问题、承认错误、质疑不正确的前提以及拒绝不适当的请求。

2. 强化学习（Reinforcement Learning，RL）

2.1 基本原理

强化学习中，机器（或智能体）与环境（如游戏）进行交互。智能体的目标是赢得游戏，它通过采取行动改变环境状态，环境会对智能体的行动做出反应，并提供奖励（或惩罚）信号，帮助智能体决定下一步行动。智能体的目标是在整个游戏过程中最大化总奖励。

2.2 以国际象棋为例

• 环境与目标 ：环境包括棋盘和棋子位置，智能体的目标是击败对手。捕获对手棋子会获得奖励，将对手将死会获得最大奖励；若被对手捕获棋子或被将死，则获得负奖励。
• 决策方式 ：在强化学习框架下，智能体采用试错法决定下一步行动。例如，有时为了获得更好的棋盘位置，智能体需要牺牲一个兵，这就要求智能体能够将短期损失视为长期收益。