大淘客网站如何做制作,南昌seo哪家好,wordpress怎么打删除线,查询公司水利平台网站#xfeff;#xfeff;编译整理 | Just编辑 | 阿司匹林来源#xff1a;AI科技大本营强化学习是一种非常重要 AI 技术#xff0c;它能使用奖励#xff08;或惩罚#xff09;来驱动智能体#xff08;agents#xff09;朝着特定目标前进#xff0c;比如它训练的 AI 系统… 编译整理 | Just编辑 | 阿司匹林来源AI科技大本营强化学习是一种非常重要 AI 技术它能使用奖励或惩罚来驱动智能体agents朝着特定目标前进比如它训练的 AI 系统 AlphaGo 击败了顶尖围棋选手它也是 DeepMind 的深度 Q 网络DQN的核心部分它可以在多个 workers 之间分步学习例如在 Atari 2600 游戏中实现“超人”性能。麻烦的是强化学习框架需要花费大量时间来掌握一个目标而且框架往往是不灵活和不总是稳定的。但不用担心Google 近日发布了一个替代方案基于 TensorFlow 的开源强化学习框架 Dopamine多巴胺。 Google 的博文中提到这个基于 Tensorflow 的强化学习框架旨在为 RL 的研究人员提供灵活性稳定性和可重复性的研究。受到大脑中奖励动机行为的主要成分的启发以及反映神经科学与强化学习研究之间强烈的历史联系该平台旨在实现可推动激进发现的思辨研究speculative research。此版本还包括一组阐明如何使用整个框架的 colabs。除了强化学习框架的发布谷歌还推出了一个网站https://google.github.io/dopamine/baselines/plots.html允许开发人员快速可视化多个智能体的训练运行情况。他们希望这一框架的灵活性和易用性将使研究人员能积极尝试新的想法不管是渐进式还是激进式的想法。以下为 Google 博客详细内容AI科技大本营编译▌引入灵活和可重复的强化学习研究的新框架 强化学习RL研究在过去几年中取得了许多重大进展。这些进步使得智能体可以以超人类级别的能力玩游戏。比如 Atari 游戏中 DeepMind 的 DQN AlphaGo AlphaGo Zero 以及 Open AI Five。具体而言在 DQN 中引入 replay memories 可以利用以前的智能体经验大规模的分布式训练可以在多个 workers 之间分配学习过程分布式方法允许智能体模拟完整的分布过程而不仅仅是模拟它们期望值以学习更完整的图景。这种类型的进展很重要因为出现这些进步的算法还适用于其他领域例如机器人技术。通常这种进步都来自于快速迭代设计通常没有明确的方向以及颠覆既定方法的结构。然而大多数现有的 RL 框架并没有结合灵活性和稳定性以及使研究人员能够有效地迭代 RL 方法并因此探索可能没有直接明显益处的新研究方向。此外从现有框架再现结果通常太耗时这可能导致科学的再现性问题。今天我们推出了一个新的基于 Tensorflow 的框架旨在为 RL 的研究人员提供灵活性、稳定性和可重复性。受到大脑中奖励动机行为的主要成分的启发以及反映神经科学与强化学习研究之间强烈的历史联系该平台旨在实现可推动激进发现的思辨研究speculative research。此版本还包括一组阐明如何使用整个框架的 colabs。▌易用性清晰和简洁是该框架设计中要考虑的两个关键因素。我们提供更精简的代码大约 15 个Python 文件并且有详细记录。这是通过专注于 Arcade 学习环境一个成熟的易于理解的基准和四个基于 value 的智能体来实现的DQNC51一个精心策划的 Rainbow 智能体的简化版本以及隐式分位数网络Implicit Quantile Network智能体这已在上个月的 ICML 大会上已经发表。我们希望这种简洁性使研究人员能够轻松了解智能体内部的运作状况并积极尝试新的想法。▌可重复性我们对重复性在强化学习研究中的重要性特别敏感。为此我们为代码提供完整的测试覆盖率这些测试也可作为其他文档形式。此外我们的实验框架遵循 Machado 等人给出的关于使用 Arcade 学习环境标准化经验评估的建议。 ▌基准测试 对于新的研究人员来说能够根据既定方法快速对其想法进行基准测试非常重要。因此我们为 Arcade 学习环境支持的 60 个游戏提供四个智能体的完整培训数据可用作 Python pickle 文件用于使用我们框架训练的智能体和 JSON 数据文件用于与受过其他框架训练的智能体进行比较我们还提供了一个网站你可以在其中快速查看 60 个游戏中所有智能体的训练运行情况。下面展示我们在 Seaquest 上的 4 个代理的训练情况这是由 Arcade 学习环境支持的一种 Atari 2600 游戏。 在 Seaquest 上的 4 名智能体参加了训练。x 轴表示迭代其中每次迭代是 100 万个游戏帧4.5 小时的实时游戏y 轴是每场比赛获得的平均分数。阴影区域显示的是来自 5 次独立运行的置信区间。我们还提供已经训练好的深度网络原始统计日志以及用 Tensorboard 绘图的 Tensorflow 事件文件。这些都可以在网站的下载部分找到。 希望我们框架的灵活性和易用性将使研究人员敢于尝试新的想法包括渐进式和激进式的想法。我们已经积极地将它用于我们的研究并发现它能够灵活且快速迭代许多想法。我们很高兴可以为更大的社区做些贡献。GitHub 链接https://github.com/google/dopamine/tree/master/docs#downloads参考链接https://ai.googleblog.com/2018/08/introducing-new-framework-for-flexible.htmlhttps://venturebeat.com/2018/08/27/google-releases-open-source-reinforcement-learning-framework-for-training-ai-models/未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
