Deep RL คืออะไร?
โปรแกรมที่เรียนรู้จากการลอง ไม่ใช่จากคำตอบที่มีคนบอก
Reinforcement Learning (RL) คือการเรียนรู้ที่ agent (ผู้ตัดสินใจ) ลองทำ action ใน environment (สภาพแวดล้อม) แล้วได้ reward (รางวัล) กลับมา เป้าหมายคือหาวิธีที่ได้รางวัลรวมมากที่สุดในระยะยาว
เมื่อนำ neural network หลายชั้น (deep learning) มาช่วยประมาณค่า จึงเรียกว่า Deep RL
ทำไม RL ถึงยาก: feedback 3 แบบพร้อมกัน
ต่อเนื่อง (Sequential)ผลของ action อาจมาช้า ต้องชั่งน้ำหนักระยะสั้นกับระยะยาว
ประเมิน (Evaluative)ได้แค่คะแนนว่าดีแค่ไหน ไม่มีใครบอกว่า action ที่ถูกคืออะไร ต้องชั่งระหว่างการหาข้อมูลกับการใช้ข้อมูล
สุ่มตัวอย่าง (Sampled)state มีมากเกินกว่าจะเห็นครบ ต้อง generalize ไปยังสิ่งใหม่ ซึ่ง neural network ช่วยได้
RL อยู่ตรงไหนใน AI?
| สาขา | ข้อมูลที่ใช้เรียน | ตัวอย่าง |
|---|---|---|
| Supervised | มีคำตอบที่ถูก (label) | แยกรูปแมว / หมา |
| Unsupervised | ไม่มี label หาโครงสร้างเอง | จัดกลุ่มลูกค้า |
| Reinforcement | reward จากการลองทำ | หุ่นยนต์เดิน เกม ควบคุมพลังงาน |
สิ่งที่ควรจำ
- DRL = ลองผิดลองถูก + feedback ที่ต่อเนื่อง ประเมิน และสุ่ม + neural network
- ความท้าทายหลัก: ต้องใช้ข้อมูลมาก การสำรวจที่ดี และความปลอดภัย
- การมอบการตัดสินใจสำคัญให้เครื่องจักร ต้องระมัดระวังเสมอ
- #DeepRL
- #ReinforcementLearning
- #PythonສຳລັບຄົນLaos
- #AI
- #ບອກຕໍ່ຄວາມຮູ້