【QA】什麼是強化學習 (Reinforcement Learning)?
強化學習是有別於監督學習與非監督學習的一種機器學習方法。讓計算機從什麼都不懂的情況下，自己學習、找到一個解決辦法，這就是強化學習的過程。而強化學習在現實上實現的例子也很多，最有名的就是打敗圍棋高手的AlphaGo，下面我想跟大家簡單討論一下這個主題。
回答列表
-
2021/09/08 下午 04:07Chili贊同數：0不贊同數：0留言數：0
# 何為強化學習 強化學習是指電腦透過和一個動態環境不斷互動，來學習正確執行的方法。其中包括以下幾個部分： * Agent : 代表機器人的腦袋 * Action：機器人採取的行為 * Environment：設定一環境 * Reward：行為在環境互動中帶來的獎勵 * Observation：環境中某一個時間點 * State：環境中每一個時間點的Observation集合 * Policy：在Agent 中，依據環境的State跟Reward中再去選一個最好的Action  [圖片來源](https://medium.com/雞雞與兔兔的工程世界/機器學習-ml-note-reinforcement-learning-強化學習-dqn-實作atari-game-7f9185f833b0) 首先，我們可以將agent 看作圖中機器人的腦袋，而Agent會先做一個動作（action）到環境中，而環境會為這個動作打分數，回傳一個獎勵（Reward）到大腦，並且回傳當下的observation給大腦，大腦Agent 在依據這個回傳的observation 做出接下來一系列的Action，並得到另一個Reward 與Observation，達到一個循環，直至達到我們設定的目標為止。 --- 舉小恐龍跑步為例子，當一開始小恐龍還沒碰到障礙物時，會回傳一個observation給Agnet 做反應，並得到Reward 1，當小恐龍開始遇到障礙物時，Agent 會根據Observation s2 做一個反應Action---跳，這時，因為成功避開障礙，使得整個流程可以繼續，也會繼續累積Reward，直到最後，小恐龍Agent 沒有做出正確反應Action時，遊戲就會結束，我們稱為一個episode，最後我們計算整個過程所得到的Total Reward，並依據此結果訓練模型，盡量使得模型的Total Reward可以最大化。  --- * 其他強化學習參考來源： 李宏毅 https://www.youtube.com/watch?v=US8DFaAZcp4&list=RDLVXWukX-ayIrs&index=2 https://datawhalechina.github.io/leeml-notes/#/chapter39/chapter39 莫凡 https://www.youtube.com/watch?v=NVWBs7b3oGk&list=RDLVXWukX-ayIrs&index=4