人工智能(Artificial Intelligence,AI)领域中有许多类似的趋利避害的问题。例如,著名的围棋AI程序AlphaGo可以根据不同的围棋局势下不同的棋。如果它下的好,它就会赢;如果下的不好,它就会输。它根据下棋的经验不断改进自己的棋艺,这就和行为心理学中的情况如出一辙。所以,人工智能借用了行为心理学的这一概念,把与环境交互中趋利避害的学习过程称为强化学习。
在人工智能领域中,强化学习是一类特定的机器学习问题。在一个强化学习系统中,决策者可以观察环境,并根据观测做出行动。在行动之后,能够获得奖励。强化学习通过与环境的交互来学习如何最大化奖励。例如,一个走迷宫的机器人在迷宫里游荡(图1-1)。机器人观察周围的环境,并且根据观测来决定如何移动。错误的移动会让机器人浪费宝贵的时间和能量,正确的移动会让机器人成功走出迷宫。在这个例子中,机器人的移动就是它根据观测而采取的行动,浪费的时间能量和走出迷宫的成功就是给机器人的奖励(时间能量的浪费可以看作负奖励)。
强化学习的最大特点是在学习过程中没有正确答案,而是通过奖励信号来学习。在机器人走迷宫的例子中,机器人不会知道每次移动是否正确,只能通过花费的时间能量以及是否走出迷宫来判断移动的合理性。
一个强化学习系统中有两个关键元素:奖励和策略。
·奖励(reward):奖励是强化学习系统的学习目标。学习者在行动后会接收到环境发来的奖励,而强化学习的目标就是要最大化在长时间里的总奖励值。在机器人走迷宫的例子中,机器人花费的时间和能量就是负奖励,机器人走出迷宫就可以得到正奖励。·策略(policy):决策者会根据不同的观测决定采用不同的动作,这种从观测到动作的关系称为策略。强化学习的学习对象就是策略。强化学习通过改进策略以期最大化总奖励。策略可以是确定性的,也可以不是确定性的。在机器人走迷宫的例子中,机器人根据当前的策略来决定如何移动。
推荐阅读:强化学习:原理与Python实现
如何应对面试官3秒或者30秒浏览简历的原则 “我一看你的简历,就觉得你输了!”前阵子,朋友欧阳成功转正了一家上市公司,按照惯例请了一伙人吃饭庆祝,大家都夸她说:真给…[详细]
乞丐的觉醒:当改变自己时 一切都在改变 当你改变自己时,你会发现一切都改变了。 曾经有一个卖花的小姑娘在卖完大部分的花之后,发现天色己晚,所以决定早点回家。…[详细]
房地产业新职业:验房师 10月27日,据中国房地产业协会消息,中国就业培训技术指导中心、中国房地产业协会正式启动《验房师国家职业标准》编制。 “…[详细]
一位职场老前辈厉害总结的心得 如果这篇文章没有分享给你,那是我的错。 如果这篇文章分享给你了,你却没有读,继续走弯路的你不要怪我。 如果你看了这篇文章…[详细]
在不冒犯对方的情况下 优雅地结束对话 您一定有过这样的经验,正当您在会议上与某人交谈,却从中意识到对话结束了!虽然你们都还在为延续对话而做出贡献,但却只是在运…[详细]
如何应对面试官3秒或者30秒浏览简历的原则“我一看你的简历,就觉得你输了!”前阵子,朋友欧阳成功转正了一家上市公司,按照惯例请了一伙人吃饭庆祝,大家都夸她说:真给…[详细]