公開レッスンプレビュー
強化学習の仕組み、つまり AlphaGo、ChatGPT の RLHF、ゲームプレイ AI、ロボット工学の背後にあるトレーニング アプローチを学びましょう。
このレッスンを終えると、次を理解できます:
子どもはどうやって歩くことを学ぶのでしょうか？ 「良いステップ/悪いステップ」の例のラベル付きデータセットを彼らに渡す人はいません。誰もバランスのための物理方程式を書きません。彼らは、周囲の世界からのフィードバックに導かれながら、挑戦し、挫折し、違うやり方で挑戦し、徐々に改善していきます。 この直感 - 報酬とペナルティに導かれ、試行錯誤を通じて学習する - は 強化学習 (RL) の基礎であり、囲碁やチェスの世界チャンピオンに勝つこと、役立つように ChatGPT をトレーニングすること、ロボットに歩行を教えることなど、AI の最も素晴らしい成果の背後にあるアプローチです。
強化学習: 試行錯誤を通じて AI を教える の一部です AI Branches（枝）
強化学習: 試行錯誤を通じて AI を教えるはAI Branches（枝）の一部です。アップグレードすると、完全なレッスン、クイズ、進捗トラッキング、すべてのアカデミーを利用できます。
7日間無料。いつでも理由を問わず解約できます。