AI를 위한 필수 수학

501

Chapter 11 -

확률

강화 학습

긍정적 또는 부정적 보상 (시행착오 )과 연관된 일련의 행동을 통해 최적의 전략을 찾는 것이

다. 에이전트는 여러 행동과 전이 상태

transition

state

중에서 선택할 수 있으며 전이 확률은 선택된

행동에 따라 다르다.

심층 강화 학습

deep

reinforcement

learning

강화 학습과 신경망을 결합한 것이다. 여기서 신경망은 관측치를 입력으로 받고 에이전트가 취

할 수 있는 각각의 행동에 대한 확률 (확률 분포 )을 출력한다. 에이전트는 추정된 확률에 따라

다음 행동을 무작위로 결정한다. 예를 들어 에이전트가 좌회전 또는 우회전 중 한 가지를 선택

할 수 있을 때 신경망이 좌회전에 대해

0

.

7

을 출력하면 에이전트는

70

%

의 확률로 좌회전하고

30

%

의 확률로 우회전한다.

강화 학습은 범용 인공지능으로 발전할 수 있는 큰 잠재력을 가지고 있다. 지능형 에이전트는

행동에 대한 결과가 직접적이지 않고 일련의 행동을 순차적으로 수행한 결과일 때 합리적인 의

사 결정을 내려야 한다. 이것이 바로 불확실성하에서의 추론의 전형이다.

11.7.1

강화 학습의 예

강화 학습의 예는 자율 주행 자동차, 추천 시스템, 실내 온도 조절기 (목표 온도를 유지하고 에

너지를 절약하면 긍정적인 보상을 받고 사람이 온도를 조절해야 ...