Entidades › Sistemas artificiais

Agentes de aprendizado por reforço profundo

Redes neurais treinadas por tentativa e erro para maximizar um sinal de recompensa. Aprendem uma política ou uma função de valor interagindo com um ambiente, muitas vezes simulado, como um jogo.

Redes neurais treinadas por tentativa e erro para maximizar um sinal de recompensa. Aprendem uma política ou uma função de valor interagindo com um ambiente, muitas vezes simulado, como um jogo. Podem alcançar habilidade sobre-humana em tarefas estreitas, mas são otimizadas para um único objetivo de recompensa.

Fontes

• Mnih V, Kavukcuoglu K, Silver D, Rusu AA, et al. (2015) Human-level control through deep reinforcement learning. Nature 518(7540):529-533. doi:10.1038/nature14236.
• Silver D et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature 529:484-489. doi:10.1038/nature16961.

Avalie-o segundo os critérios publicados