
287
8
장
-
딥러닝
[그림
8
-
25
]와 같이 입력 이미지를 분할(픽셀 수준에서 판정)하고 있습니다. 결과를 보면 도
로와 건물, 보도와 나무, 차량과 오토바이 등을 어느 정도 정확히 판별하고 있습니다. 이런 인
식 기술이 딥러닝에 힘입어 향후 한층 정확해지고 빨라지면 자율 주행이 일상에 파고든 영화
속 모습이 현실이 되겠죠.
8.5.4
Deep
Q
-
Network
(강화학습)
(자전거를 배울 때처럼) 사람이 시행착오를 겪으며 배우듯 컴퓨터도 시행착오 과정에서 스스
로 학습하게 하려는 분야가 있습니다. 이는 ‘가르침’에 의존하는 ‘지도 학습’과는 다른 분야로,
강화학습
reinforcement
learning
이라 합니다.
강화학습에서는 에이전트라는 것이 환경에 맞게 행동을 선택하고, 그 행동에 의해서 환경이
변한다는 게 기본적인 틀입니다. 환경이 변화하면 에이전트는 어떠한 보상을 얻습니다. 강화
학습의 목적은 에이전트의 행동 지침을 더 나은 보상을 받는 쪽으로 바로잡는 것입니다(그림
8
-
26
).
그림
8-26
강화학습의 기본 틀 : 에이전트는 더 좋은 보상을 받기 위해 스스로 학습한다.
환경
에이전트
행동 보상(관찰)
[그림
8
-
26
]은 강화학습의 기본 틀입니다. 여기에서 주의점은 보상은 정해진 것이 아니라 ‘예
상 보상’이라는 점입니다. 예를 들면 <슈퍼 마리오 브라더스>에서 ...