π ΠΠ»ΡΠ±ΠΎΠΊΠΎΠ΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Ρ ΠΏΠΎΠ΄ΠΊΡΠ΅ΠΏΠ»Π΅Π½ΠΈΠ΅ΠΌ. AlphaGo ΠΈ Π΄ΡΡΠ³ΠΈΠ΅ ΡΠ΅Ρ
Π½ΠΎΠ»ΠΎΠ³ΠΈΠΈ [2020] ΠΠ°ΠΏΠ°Π½Ρ
πΎ Π‘ΠΊΠ°ΡΠ°ΡΡ ΠΊΠ½ΠΈΠ³Ρ
π Π ΡΡΠΎΠΉ ΠΊΠ½ΠΈΠ³Π΅:
- ΠΡ ΡΠ·Π½Π°Π΅ΡΠ΅, ΠΊΠ°ΠΊΠΎΠ΅ ΠΌΠ΅ΡΡΠΎ Π² ΠΊΠΎΠ½ΡΠ΅ΠΊΡΡΠ΅ Π³Π»ΡΠ±ΠΎΠΊΠΎΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ Π·Π°Π½ΠΈΠΌΠ°ΡΡ ΠΌΠ΅ΡΠΎΠ΄Ρ RL, ΡΠ΅Π°Π»ΠΈΠ·ΡΠ΅ΡΠ΅ ΡΠ»ΠΎΠΆΠ½ΡΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π³Π»ΡΠ±ΠΎΠΊΠΎΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ.
- ΠΠ·ΡΡΠΈΡΠ΅ ΠΎΡΠ½ΠΎΠ²Ρ RL: ΠΌΠ°ΡΠΊΠΎΠ²ΡΠΊΠΈΠ΅ ΠΏΡΠΎΡΠ΅ΡΡΡ ΠΏΡΠΈΠ½ΡΡΠΈΡ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ.
- Π Π°ΡΡΠΌΠΎΡΡΠΈΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ ΡΠ΅Π°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠ² RL: ΠΌΠ΅ΡΠΎΠ΄ ΠΊΡΠΎΡΡ-ΡΠ½ΡΡΠΎΠΏΠΈΠΈ, DQN, A3C, TRPO, PPO, DDPG, D4PG ΠΈ Π΄ΡΡΠ³ΠΈΡ
.
- Π£Π·Π½Π°Π΅ΡΠ΅, ΠΊΠ°ΠΊ ΡΠ°Π±ΠΎΡΠ°ΡΡ Ρ Π΄ΠΈΡΠΊΡΠ΅ΡΠ½ΡΠΌΠΈ ΠΈ Π½Π΅ΠΏΡΠ΅ΡΡΠ²Π½ΡΠΌΠΈ ΠΏΡΠΎΡΡΡΠ°Π½ΡΡΠ²Π°ΠΌΠΈ Π΄Π΅ΠΉΡΡΠ²ΠΈΠΉ Π² ΡΠ°Π·Π»ΠΈΡΠ½ΡΡ
ΡΡΠ΅Π΄Π°Ρ
.
- Π£Π²ΠΈΠ΄ΠΈΡΠ΅, ΠΊΠ°ΠΊ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠ°ΡΡ ΡΠΈΡΡΠ΅ΠΌΡ, ΠΎΠ±ΡΡΠ°ΡΡΡΡΡΡ ΠΈΠ³ΡΠ°ΠΌ Atari, ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Ρ ΠΏΠΎΠ΄ΠΊΡΠ΅ΠΏΠ»Π΅Π½ΠΈΠ΅ΠΌ.
- Π‘ΠΎΠ·Π΄Π°Π΄ΠΈΡΠ΅ ΡΠΎΠ±ΡΡΠ²Π΅Π½Π½ΡΡ ΡΡΠ΅Π΄Ρ ΠΏΠΎ ΠΌΠΎΠ΄Π΅Π»ΠΈ OpenAI Gym Π΄Π»Ρ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ Π±ΠΈΡΠΆΠ΅Π²ΠΎΠ³ΠΎ Π°Π³Π΅Π½ΡΠ°.
- Π Π΅Π°Π»ΠΈΠ·ΡΠ΅ΡΠ΅ ΠΌΠ΅ΡΠΎΠ΄ AlphaGo Zero Π΄Π»Ρ ΠΈΠ³ΡΡ Π² Connect4.
- ΠΠΎΠ·Π½Π°ΠΊΠΎΠΌΠΈΡΠ΅ΡΡ Ρ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ΠΌ RL Π² ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ΅ ΡΠ΅ΡΠΈ: ΡΠ·Π½Π°Π΅ΡΠ΅, ΠΊΠ°ΠΊ ΠΎΠ±ΡΡΠΈΡΡ Π΄ΠΈΠ°Π»ΠΎΠ³ΠΎΠ²ΠΎΠ³ΠΎ Π±ΠΎΡΠ° Π½Π° ΡΡΠ°Π·Π°Ρ
ΠΈΠ· ΠΊΠΈΠ½ΠΎΡΠΈΠ»ΡΠΌΠΎΠ².