[机器学习入门] 李宏毅机器学习笔记-37 (Deep Reinforcement Learning;深度增强学习入门)

[机器学习入门] 李宏毅机器学习笔记-37(Deep Reinforcement Learning;深度增强学习入门)

PDF	VIDEO

---

Deep Reinforcement Learning

深度增强学习是一套很复杂的方法，在这里只了解皮毛。

Scenario of Reinforcement Learning

有个傻傻的机器人小白(Agent)去闯荡世界(Environment)，世界是非常开放的，将自己的状态(State)毫不吝啬地给小白呈现 ，而小白也会做出一些懵懵懂懂的探索动作(Action)，这时候世界就会告诉小白你的所作所为是好的还是不好的(Reward)。

小白看到一杯水(State)，懵懂的小白一下子将它打翻了(Action)，则他会收到负面反馈(Reword)。由于环境是连续的，紧接着小白面前的就是一杯被打翻的水(State)，于是试着把水擦干净(Action)，得到了正面反馈(Reward)。

于是，小白要做的就是，根据前面收获的正面和负面反馈，去学习哪些能时正面反馈最大化的行为。

---

Learning to paly Go

可见，只有在少数的action下才有reword，这是一个难点。
下面来比较一下：Learning to paly Go - Supervised v.s. Reinforcement

在下棋这个任务里，监督学习就想从老师那里学习，看到A，落子到某处，看到B，落子到……
AlphaGo 采取的策略是先用监督学习learn的不错后，再用增强学习狂下棋。

---

Learning a chat-bot

原来我们的方法是：