“人工智能课程是玩游戏”,贾扬清的话被这个课实现了|资源
- 资讯
- 2020-10-12
- 27216
桃良 发自 凹非寺
学习的枯燥似乎有种魔力,让人无法提起干劲。
看着我收藏夹里的各类课程,感觉基本上都难逃吃灰的命运,
除了它——可以“玩游戏”的深度强化学习课程。
阿里技术副总裁贾扬清说过:
人工智能课程是玩游戏。
这话对之于这个课程简直再合适不过了!
在课程中,你可以建立自己的智能体,然后教他们学会玩太空侵略者,我的世界,星际争霸,刺猬索尼克等等!
△
怎么样?是不是心动了。
那就开始你的游戏智能体的学习之旅吧。
深度强化学习简介
深度强化学习 (DRL) 是一种使用深度学习技术去扩展传统强化学习方法的一种机器学习方法。
传统强化学习方法的学习内容是:
智能体根据从环境中所获得的奖励,来学习如何才能够使自身获取的奖励最大化。
△
而传统无模型的强化学习方法则需要使用到函数逼近方法,然后让智能体能够学习得出值函数或策略。
在这种情况下,深度学习中强大的函数逼近能力便显示出他的优势并开始被研究人员所使用。
于是,二者的交叉——深度强化学习就出现了。
深度强化学习的标志性开端是2013年的论文——《Playing Atari with Deep Reinforcement Learning》
之后,基于深度强化学习的AlphaGo和OpenAI Five等人工智能在各类复杂游戏中相继击败了人类顶尖玩家,引起了各方的关注。
此外,深度强化学习在其他领域也有着不同程度的研究和应用,比如:机械手的敏捷训练、室内定位、智能运输等。
课程内容
该课程一共分为12章:
可以看出,从DRL基础(1),再到Q-Learning、深度Q-Learning(2-4),然后是策略梯度(5-8),最后是Unity机器学习智能体(10-12)。
作者用一个循序渐进的过程讲授了各类常见且主流的深度强化学习的方法。
同时,最大的吸引点莫过于是每一章节都安排了不同的游戏实践。
这很令人兴奋不是嘛?
动手去这些游戏建立自己的智能体!
本文由woniu于2020-10-12发表在中国AI网,如有疑问,请联系我们。
本文链接:https://www.chinaai.com/zixun/1723.html