El aprendizaje por refuerzo es particularmente útil en situaciones donde queremos entrenar a las IA para que tengan ciertas habilidades que nosotros mismos no entendemos completamente. A diferencia de algunas de las técnicas que hemos discutido hasta ahora, el aprendizaje por refuerzo generalmente solo observa cómo una IA realiza una tarea DESPUÉS de haberla completado. Y cuando una IA completa esa tarea, averiguar cuándo y cómo recompensar a una IA, llamado asignación de crédito, es una de las partes más difíciles del aprendizaje por refuerzo. Así que hoy, vamos a explorar estas ideas, introducir un montón de nuevos términos como valor, política, agente, entorno, acciones y estados, y te mostraremos cómo podemos usar estrategias como exploración y explotación para entrenar a John Green Bot para encontrar cosas de manera más eficiente la próxima vez.
El Curso Intensivo de IA es producido en asociación con PBS Digital Studios:
Gracias a los siguientes patrocinadores por sus generosas contribuciones mensuales que ayudan a mantener el Curso Intensivo gratuito para todos para siempre:
Eric Prestemon, Sam Buck, Mark Brouwer, Indika Siriwardena, Avi Yashchin, Timothy J Kwist, Brian Thomas Gossett, Haixiang N/A Liu, Jonathan Zbikowski, Siobhan Sabino, Zach Van Stanley, Jennifer Killen, Nathan Catchings, Brandon Westmoreland, dorsey, Kenneth F Penttinen, Trevin Beattie, Erika & Alexa Saur, Justin Zingsheim, Jessica Wode, Tom Trval, Jason Saslow, Nathan Taylor, Khaled El Shalakany, SR Foxley, Sam Ferguson, Yasenia Cruz, Eric Koslow, Caleb Weeks, Tim Curwick, David Noe, Shawn Arnold, William McGraw, Andrei Krishkevich, Rachel Bright, Jirat, Ian Dundore
--
¿Quieres encontrar el Curso Intensivo en otros lugares de internet?
#CrashCourse #InteligenciaArtificial #AprendizajeAutomático