知识卡片

普通读书笔记卡 · 9869.o · 生成模型:GPT-6

奖励塑造智能

理解等级:中级

强化学习让系统在环境中行动,并根据奖励信号调整行为。书中的打砖块例子通过反复试错,给成功结果奖励,让系统逐渐学到有利的行动;奖励目标的选择也会影响学到的行为。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 为了乌托邦,也为了钱 · 查看原书依据

      作为一种技术,强化学习与你用食物奖励听从命令的狗没什么不同。在训练人工智能时,你也可以运用类似的奖励模型,比如“+1”这样的数字信号来表明某个结果很好。通过不断试错和反复玩游戏,系统学会了什么可行、什么不可行。高度复杂的

    参考来源

    - 位置:《至高无上:一场颠覆世界的人工智能竞赛》第05章《为了乌托邦,也为了钱》(来源项目 book-source:`extracted/至高无上 一场颠覆世界的人工智能竞赛/_epub-src/EPUB/xhtml/Chapter2_5`) - 结论依据:以上原文说明本卡的机制或取舍;正文中的边界判断为读者归纳。 - 原始内容:作为一种技术,强化学习与你用食物奖励听从命令的狗没什么不同。在训练人工智能时,你也可以运用类似的奖励模型,比如“+1”这样的数字信号来表明某个结果很好。通过不断试错和反复玩游戏,系统学会了什么可行、什么不可行。高度复杂的