Różnica między głębokim uczeniem się a uczeniem się wzmacniającym

Zarówno uczenie się głębokie, jak i wzmacniające są ściśle powiązane z mocą obliczeniową sztucznej inteligencji (AI). Są to autonomiczne funkcje uczenia maszynowego, które torują drogę komputerom do tworzenia własnych zasad przy opracowywaniu rozwiązań. Te dwa rodzaje uczenia się mogą również współistnieć w kilku programach. Zasadniczo dogłębne uczenie się wykorzystuje bieżące dane, podczas gdy uczenie się przez wzmocnienie wykorzystuje metodę prób i błędów przy obliczaniu prognoz. Poniższe dyskusje pogłębiają takie rozróżnienia.

Co to jest głębokie uczenie się?

Głębokie uczenie się jest również określane jako uczenie się głęboko ustrukturyzowane lub uczenie się hierarchiczne. Po raz pierwszy wprowadziła go w 1986 r. Profesor informatyki Rina Dechter. Wykorzystuje bieżące informacje w algorytmach nauczania do szukania odpowiednich wzorców, które są niezbędne w prognozowaniu danych. Taki system wykorzystuje różne poziomy sztucznych sieci neuronowych podobne do makijażu neuronalnego ludzkiego mózgu. Za pomocą skomplikowanych łączy algorytm może przetwarzać miliony informacji i wprowadzać bardziej szczegółowe prognozy.

Ten rodzaj uczenia się można zastosować, gdy programiści chcą, aby oprogramowanie wykrywało kolor fioletowy na różnych obrazach. Program byłby wówczas zasilany wieloma obrazami (stąd „głębokie” uczenie się) z fioletowymi kolorami i bez nich. Dzięki grupowaniu program będzie w stanie zidentyfikować wzory i dowiedzieć się, kiedy oznaczyć kolor jako fioletowy. Dogłębne uczenie się jest stosowane w różnych programach rozpoznawania, takich jak analizy obrazów i zadania prognostyczne, takie jak prognozy szeregów czasowych.

Co to jest nauka o wzmocnieniu?

Uczenie się przez wzmocnienie ogólnie oblicza prognozy na podstawie prób i błędów. Jeśli chodzi o historię z punktu widzenia sztucznej inteligencji, został opracowany pod koniec lat osiemdziesiątych; został oparty na wynikach eksperymentów na zwierzętach, koncepcjach optymalnej kontroli i metodach różnic czasowych. Oprócz uczenia się nadzorowanego i bez nadzoru wzmocnienie jest jednym z podstawowych paradygmatów uczenia maszynowego. Jak sama nazwa wskazuje, algorytm jest szkolony poprzez nagrody.

Na przykład AI opracowano z myślą o grze z ludźmi w niektórych grach mobilnych. Za każdym razem, gdy AI traci, algorytm jest modyfikowany, aby zmaksymalizować jego wynik. Tak więc ta technika uczy się na błędach. Po wielu cyklach sztuczna inteligencja ewoluowała i stawała się lepsza w pokonywaniu ludzkich graczy. Uczenie się przez wzmocnienie jest stosowane w różnych najnowszych technologiach, takich jak ulepszanie robotyki, eksploracji tekstu i opieki zdrowotnej.

Różnica między głębokim uczeniem się a uczeniem się wzmacniającym

Technika uczenia się

Dogłębne uczenie się jest w stanie zrealizować docelowe zachowanie, analizując istniejące dane i stosując zdobytą wiedzę do nowego zestawu informacji. Z drugiej strony uczenie się przez wzmocnienie może zmienić swoją reakcję poprzez dostosowanie ciągłego sprzężenia zwrotnego.

Istnienie danych

Dogłębne uczenie działa z już istniejącymi danymi, ponieważ jest to niezbędne przy szkoleniu algorytmu. Jeśli chodzi o uczenie się ze wzmocnieniem, ma ono charakter eksploracyjny i może być rozwijany bez bieżącego zestawu danych, ponieważ uczy się metodą prób i błędów.

Podanie

Dogłębne uczenie się jest stosowane w rozpoznawaniu obrazu i mowy, głębokim szkoleniu wstępnym w sieci i zadaniach zmniejszania wymiarów. Dla porównania, uczenie się przez wzmocnienie jest wykorzystywane w interakcji z bodźcami zewnętrznymi z optymalną kontrolą, taką jak robotyka, planowanie wind, telekomunikacja, gry komputerowe i sztuczna inteligencja w służbie zdrowia.

Znany również jako

Głębokie uczenie się jest również znane jako uczenie się hierarchiczne lub uczenie się głęboko ustrukturyzowane, podczas gdy uczenie się przez wzmacnianie nie ma innych powszechnie znanych terminów.

Nauczanie maszynowe

Głębokie uczenie się jest jedną z wielu metod uczenia maszynowego. Z drugiej strony uczenie się przez wzmocnienie jest dziedziną uczenia maszynowego; jest to jeden z trzech podstawowych paradygmatów.

Ludzki mózg

W porównaniu do głębokiego uczenia się, uczenie się przez wzmocnienie jest bliższe możliwościom ludzkiego mózgu, ponieważ ten rodzaj inteligencji można ulepszyć za pomocą informacji zwrotnych. Głębokie uczenie się ma głównie na celu uznanie i jest mniej powiązane z interakcją.

Historia

Głębokie uczenie się zostało po raz pierwszy wprowadzone w 1986 r. Przez Rinę Dechter, podczas gdy uczenie się o wzmocnieniu zostało opracowane pod koniec lat 80. XX wieku w oparciu o koncepcje eksperymentów na zwierzętach, optymalnej kontroli i metod różnic czasowych.

Deep Learning vs. Reinforcement Learning

streszczenie

• Dogłębne i wspomagające uczenie się to autonomiczne funkcje uczenia maszynowego, które umożliwiają komputerom tworzenie własnych zasad przy opracowywaniu rozwiązań.
• Dogłębne uczenie się wykorzystuje bieżące informacje w algorytmach nauczania do wyszukiwania odpowiednich wzorców, które są niezbędne w prognozowaniu danych.
• Uczenie się przez wzmocnienie ogólnie oblicza prognozy na podstawie prób i błędów.
• Głębokie uczenie się stosuje wyuczone wzorce do nowego zestawu danych, jednocześnie wzmacniając zdobyte w nauce informacje zwrotne.
• Dogłębne uczenie się wymaga uczenia się już istniejącego zestawu danych, podczas gdy uczenie się przez wzmocnienie nie wymaga bieżącego zestawu danych do nauki.
• Zastosowanie głębokiego uczenia się częściej dotyczy zadań związanych z rozpoznawaniem i ograniczaniem obszaru, podczas gdy uczenie się ze wzmocnieniem jest zwykle powiązane z interakcją środowiska z optymalną kontrolą.
• Głębokie uczenie się jest również znane jako uczenie się hierarchiczne lub uczenie się głęboko ustrukturyzowane, podczas gdy uczenie się wzmacniające nie ma innego terminu.
• Głębokie uczenie się jest jedną z wielu metod uczenia maszynowego, podczas gdy uczenie się przez wzmocnienie jest jedną z trzech podstawowych paradygmatów uczenia maszynowego.
• Głębokie uczenie się zostało wprowadzone w 1986 r., A uczenie się wspomagające opracowano pod koniec lat osiemdziesiątych.