强化学习的十大原则

Posted beanhsiang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了强化学习的十大原则相关的知识,希望对你有一定的参考价值。

技术分享图片

原则一:评估方法驱动研究进展 

David Silver 指出,客观、量化的评估方法是强化学习进展的重要驱动力:

评估指标的选择决定了研究进展的方向;

  • 这可以说是强化学习项目中最重要的一个决定。

David Silver 介绍了两种评估方法:

  • 排行榜驱动的研究

  • 确保评估指标紧密对应最终目标;

  • 避免主观评估(如人类评估)。

  • 假设驱动的研究

形成一个假设:

Double-Q 学习优于 Q 学习,因为前者减少了向上偏误(upward bias);

  • 在宽泛的条件下验证该假设;

  • 对比同类方法,而不是只与当前最优方法进行对比;

  • 寻求理解,而不是排行榜表现。

技术分享图片

 

原则二:可扩展性是成功的关键

David Silver 认为可扩展性是强化学习研究成功的关键。

  • 算法的可扩展性指与资源相关的算法的性能变化;

  • 资源包括计算量、内存或数据;

  • 算法的可扩展性最终决定算法成功与否;

  • 可扩展性比研究的起点更加重要;

  • 优秀的算法在给定有限资源的条件下是最优的。 

技术分享图片

 

原则三:通用性(Generality)支持算法的长远有效性

算法的通用性指它在不同强化学习环境中的性能。研究者在训练时要避免在当前任务上的过拟合,并寻求可以泛化至未来未知环境的算法。

我们无法预测未来,但是未来任务的复杂度可能至少和当前任务持平;在当前任务上遇到的困难在未来则很有可能增加。

因此,要想使算法可以泛化至未来的不同强化学习环境,研究者必须在多样化且真实的强化学习环境集合上测试算法。

技术分享图片

 

原则四:信任智能体的经验 

David Silver 指出经验(观察、动作和奖励)是强化学习的数据,公式可以写作:

h_t=o_1,r_1,a_2,o_2,r_2,...,a_t,o_t,r_t

经验流随智能体在环境中学习时间的延长而累积。

他告诫我们,要把智能体的经验作为知识的唯一来源。人们在智能体学习遇到问题时倾向于添加人类的专业知识(人类数据、特征、启发式方法、约束、抽象、域操控)。

他认为,完全从经验中学习看起来似乎不可能。也就是说,强化学习的核心问题非常棘手。但这是 AI 的核心问题,也值得我们付出努力。从长远来看,从经验中学习一直是正确的选择。

 技术分享图片

 

原则五:状态是主观的

David Silver 指出:

  • 智能体应该从它们的经验中构建属于自己的状态,即:s_t=f(h_t)

  • 智能体状态是前一个状态和新观察的函数:s_t=f(s_t-1,a_t-1,o_t,r_t)

如下图所示:

技术分享图片

 

它是循环神经网络的隐藏状态。

永远不要根据环境的「真实」状态来定义状态(智能体应该是一个部分可观察马尔可夫链模型)。

技术分享图片

 

原则六:控制数据流

智能体存在于丰富的感觉运动(sensorimotor)数据流中:

  • 观测结果的数据流输入到智能体中;

  • 智能体输出动作流。

智能体的动作会影响数据流: 

  • 特征控制 => 数据流控制

  • 数据流控制 => 控制未来

  • 控制未来 => 可以最大化任意奖励

技术分享图片

 

原则七:用价值函数对环境建模

David Silver 首先给出了使用价值函数的三个原因:

  • 高效地对未来进行总结/缓存;

  • 将规划过程简化为固定时间的查找,而不是进行指数时间量级的预测;

  • 独立于时间步跨度进行计算和学习。

他指出,学习多个价值函数可以高效地建模环境的多个方面(控制状态流),包括随后的状态变量;还能在多个时间尺度上学习。他还提醒我们避免在过于简化的时间步上建模环境。

技术分享图片

 

原则八:规划:从想象的经验中学习

David Silver 提出了一种有效的规划方法,并将其分为两步。首先想象下一步会发生什么,从模型中采样状态的轨迹;然后利用我们在真实经验中用过的 RL 算法从想象的经验中学习。他提醒我们从现在开始关注价值函数逼近。

技术分享图片

 

原则九:使用函数近似器 

David Silver 认为,可微网络架构是一种强大的工具,可以丰富状态表示,同时使可微记忆、可微规划以及分层控制更加便利。他提出将算法复杂度引入网络架构,以减少算法复杂度(指参数的更新方式),增加架构的表达性(指参数的作用)。

技术分享图片

 

原则十:学会学习

AI 史是一个进步史:

  • 第一代:旧式的 AI

  • 手动预测:此时的人工智能只能执行手动预测

  • 什么也学不会

  • 第二代:浅层学习

  • 手动构建特征:研究人员需要耗费大量时间、精力手动构建特征

  • 学习预测

  • 第三代:深度学习

  • 手动构建的算法(优化器、目标、架构……)

  • 端到端学习特征和预测

  • 第四代:元学习

  • 无需手工

  • 端到端学习算法和特征以及预测

技术分享图片

以上是关于强化学习的十大原则的主要内容,如果未能解决你的问题,请参考以下文章

强化学习⚠️手把手带你走进强化学习 1⚠️ 强化学习简介

强化学习⚠️手把手带你走进强化学习 1⚠️ 强化学习简介

强化学习专栏|什么是强化学习?强化学习的内容有哪些?

强化学习1-1-0 强化学习介绍强化学习1-1-0 强化学习介绍

强化学习、深度学习和深度强化学习有啥区别?

深度学习和深度强化学习的区别