सार्वजनिक पाठ पूर्वावलोकन
जानें कि रीइन्फोर्समेंट लर्निंग कैसे काम करती है, AlphaGo, ChatGPT के RLHF, गेम खेलने वाले AI और रोबोटिक्स के पीछे की प्रशिक्षण पद्धति।
इस पाठ के अंत तक, आप समझेंगे:
बच्चा चलना कैसे सीखता है? कोई उसे "अच्छा कदम / बुरा कदम" उदाहरणों वाला लेबल किया डेटासेट नहीं देता। कोई संतुलन की भौतिकी समीकरण लिखकर नहीं देता। वह कोशिश करता है, गिरता है, अलग तरह से कोशिश करता है और धीरे-धीरे सुधरता है, आसपास की दुनिया से मिली प्रतिक्रिया के आधार पर। यही सहज विचार, पुरस्कार और दंड से निर्देशित प्रयास और त्रुटि के माध्यम से सीखना , Reinforcement Learning (RL) की नींव है। इसी तरीके ने AI की कुछ सबसे शानदार उपलब्धियाँ दी हैं: Go और chess में विश्व चैंपियन को हराना, ChatGPT को उपयोगी बनाना और रोबोटों को चलना सिखाना।
रीइन्फोर्समेंट लर्निंग: प्रयास और त्रुटि से AI को सिखाना का हिस्सा है AI Branches
रीइन्फोर्समेंट लर्निंग: प्रयास और त्रुटि से AI को सिखाना, AI Branches का हिस्सा है। पूरा पाठ, क्विज़, प्रगति ट्रैकिंग और सभी अकादमी अनलॉक करने के लिए अपग्रेड करें।
7 दिन मुफ़्त। कभी भी रद्द करें, कोई सवाल नहीं पूछा जाएगा।