Học tăng cường là gì?

Học tăng cường là gì?

Mục Lục

1. Giới thiệu về Học tăng cường
2. Học không giám sát
3. Học giám sát
4. Học tăng cường
   • 4.1 Rủi ro và phần thưởng
   • 4.2 Giá trị và phần thưởng
   • 4.3 Tìm kiếm và khám phá
5. Đặc điểm của Học tăng cường
6. Xây dựng một hệ thống kiểm soát truyền thống
7. Thực hiện Học tăng cường
   • 7.1 Hiểu hệ thống
   • 7.2 Thiết lập chính sách
   • 7.3 Định nghĩa hàm phần thưởng
   • 7.4 Áp dụng thuật toán
8. Các thuật toán Học tăng cường
9. Kết luận

Giới thiệu về Học tăng cường

Trí tuệ nhân tạo, học máy và mạng nơ-ron sâu là những thuật ngữ có thể gợi cho bạn tưởng tượng về một tương lai trong đó robot là những sinh vật suy nghĩ và tiến hóa. Trong video này, chúng ta sẽ tìm hiểu về học tăng cường (Reinforcement Learning - RL), một loại học máy có khả năng giải quyết những vấn đề kiểm soát khó khăn. Bạn có thể đã nghe nói rằng công ty trí tuệ nhân tạo DeepMind đã tạo ra chương trình AlphaGo, một trí tuệ nhân tạo sử dụng học tăng cường để đánh bại những kỳ thủ cờ vây hàng đầu thế giới. Gần đây, họ cũng tạo ra AlphaStar, một hệ thống có thể thống trị trò chơi StarCraft 2. Với những thành tựu này, bạn có thể tự hỏi tại sao không áp dụng học tăng cường để điều khiển robot, làm mát trung tâm dữ liệu hay ổn định một chiếc drone trong một luồng khí động và thay đổi đầy biến động. Bài viết này sẽ giúp bạn hiểu về RL từ góc nhìn của kỹ sư kiểm soát truyền thống và cho thấy rằng có nhiều điểm tương đồng giữa RL và lý thuyết kiểm soát.