公开课程预览
了解强化学习的工作原理 - AlphaGo、ChatGPT 的 RLHF、游戏人工智能和机器人背后的训练方法。
完成本课后，你将理解:
孩子如何学会走路？没有人向他们提供“好步骤/坏步骤”示例的标记数据集。没有人写出平衡的物理方程。他们尝试，他们跌倒，他们尝试不同的方式，他们在周围世界的反馈的指导下逐渐进步。 这种直觉 - 在奖励和惩罚的指导下通过试错进行学习 - 是 强化学习（RL） 的基础，它是人工智能一些最引人注目的成就背后的方法：在围棋和国际象棋中击败世界冠军，训练 ChatGPT 提供帮助，以及教机器人走路。
强化学习：通过反复试验教授人工智能 属于 AI 枝干
强化学习：通过反复试验教授人工智能 是 AI 枝干 的一部分。升级后可解锁完整课程、测验、进度跟踪和所有学院内容。
7 天免费。随时取消，无需任何理由。