---
title: "Các tác tử học tăng cường sâu · Artificial systems · Thực thể · Giả thuyết mô phỏng"
url: https://simulation-hypothesis.com/vi/entities/ai-drl
description: "Các mạng nơ-ron được huấn luyện bằng thử và sai để tối đa hóa tín hiệu phần thưởng."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Giả thuyết mô phỏng (simulation-hypothesis.com)"
---

[Thực thể](https://simulation-hypothesis.com/vi/entities) › Hệ thống nhân tạo

# Các tác tử học tăng cường sâu

Các mạng nơ-ron được huấn luyện bằng thử và sai để tối đa hóa tín hiệu phần thưởng. Chúng học một chính sách hoặc hàm giá trị bằng cách tương tác với một môi trường, thường là môi trường mô phỏng như một trò chơi.

Các mạng nơ-ron được huấn luyện bằng thử và sai để tối đa hóa tín hiệu phần thưởng. Chúng học một chính sách hoặc hàm giá trị bằng cách tương tác với một môi trường, thường là môi trường mô phỏng như một trò chơi. Chúng có thể đạt kỹ năng vượt xa con người ở các nhiệm vụ hẹp, nhưng chúng được tối ưu cho một mục tiêu phần thưởng duy nhất.

## Nguồn

* 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.

Đánh giá nó theo các tiêu chí đã công bố