---
title: "Агенты глубокого обучения с подкреплением · Artificial systems · Сущности · Гипотеза симуляции"
url: https://simulation-hypothesis.com/ru/entities/ai-drl
description: "Нейронные сети, обученные методом проб и ошибок максимизировать сигнал вознаграждения."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Гипотеза симуляции (simulation-hypothesis.com)"
---

[Сущности](https://simulation-hypothesis.com/ru/entities) › Искусственные системы

# Агенты глубокого обучения с подкреплением

Нейронные сети, обученные методом проб и ошибок максимизировать сигнал вознаграждения. Они усваивают политику или функцию ценности, взаимодействуя со средой, часто смоделированной, например с игрой.

Нейронные сети, обученные методом проб и ошибок максимизировать сигнал вознаграждения. Они усваивают политику или функцию ценности, взаимодействуя со средой, часто смоделированной, например с игрой. Они могут достигать сверхчеловеческого мастерства в узких задачах, но оптимизированы под одну цель вознаграждения.

## Источники

* 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.

Оцените это по опубликованным критериям