強化學習是否使用上效率較差?
2019/05/20 上午 11:54
機器學習共學討論版
許丕敏
觀看數:13
回答數:2
收藏數:0
ml100-2
ml100-2-d31
同意你講的,大家都覺得強化學習最棒, 但是人學習需要時間我想機器學習應該也一樣。
所以想問強化學習是不是一般來說效率上較差, 還有所有學習過的事不是會記起來
回答列表
-
2019/05/20 下午 01:44Jimmy贊同數:0不贊同數:0留言數:0
Hi 丕敏!
我個人認為強化學習未來絕對是 AI 要邁入下個階段的關鍵,強化學習的問題在於,整個架構非常的複雜!而且需要專家預先定義好合適的 state, reward 等環境,再透過大量的循環訓練完成。所以目前看到的強化學習應用多屬於遊戲或博弈等,這些應用是可以使用模擬器來模擬環境並透過反覆迭代的方式訓練完成的。
所以困難的點在於,1) 需要專家給定合適的架構 2) 需要可以模擬出真實世界的環境 3) 需要大量迭代來訓練完成。這些都是未來強化學習要普及之前需解決的問題
-
2019/05/21 上午 09:57張維元 (WeiYuan)贊同數:0不贊同數:0留言數:0
主要還是要看資料的分佈與使用情境,有個定理是這樣「數據和特徵決定了機器學習的上限,而模型和算法只是逼近這個上限」,另外還有「Free Lunch Theorem 也提到沒有一種模型是最好的」。