知识卡片
强化学习闭环
强化学习让智能体在环境中行动,根据环境反馈不断修正自己的行为:DeepMind 的模型靠反复玩游戏优化表现,AlphaGo Zero 不用人类棋谱,从零自我对弈就超越了前代。它和人的学习很像,都是在目标驱使下施加影响、根据反馈调整。对产品的启发是:AI 能力要靠可观察的目标、可回收的反馈和持续试错的闭环来养成,而不是一次配置出来。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第1章《绪论》(源文件:_epub-src/OEBPS/text00005.html)
- 结论依据:原文以DeepMind为例说明强化学习的特点是通过自身行为影响环境,再根据环境反馈调整自身行为,与人类在目标驱使下持续调整行为的学习过程相似。
- 原始内容:这就是强化学习的特点:通过自身行为影响环境,再根据环境反馈来调整自身行为。……都是在目标的驱使下,对外界环境施加自己的影响,并根据外界环境的反馈持续调整自己的行为。