巨存AI产业_Sec_3_从RL领会如何与不确定性共舞.pdfVIP

Sec.3 ：从RL 领会如何与不确定性共舞 (Reinforcement learning for dealing with decision making under uncertainty) 1. 前言 在上一期里，说明了人类的慢想(创意)与AI 的快思(直觉)互相平衡，最能展现协 同创造力。有了AI 经验直觉来协助去芜存菁，人类更敢超越经验去进行大跨度的联 想和探索。 这样的协同组织体系，非常适合与高度不确定的外在环境(Environment)互动，并 从外在环境获取最大的报酬。这是自然界生物(有机体系) 的天赋学习本质，非常接近 于AI 强化学习(Reinforcement Learning ，简称RL)机制。例如，AlphaGo Zero 增添了RL ， 就具有更强大的探索能力，能够在不确定性极大的围棋上打败人类的顶尖高手。如图-1： 1 深圳巨存信息技术有限公司 （yelan2003@126.com ） 图-1 本文就藉由RL 来说明上述的协同创新力，如何表现于不确性环境里的决策。也 进一步阐述其探索全局最优解(Global optimum)的思维过程。 2. 认识强