强化学习十大原则

专知 2018-09-20 15:41
关注文章

【导读】强化学习是机器学习中的一个领域,强调如何基于环境而行动,以取得最大化的预期利益。David Sliver 总结了强化学习的十大原则,以指导强化学习的良好进行。

原则#1:评估(Evaluation)推动进步

客观,量化的评估推动了进步:

●评估指标的选择决定了进度的方向

●可以说是项目过程中最重要的单一决策

排行榜驱动的(Leaderboard-driven)研究:

●确保评估指标对应最终目标

●避免主观评估(例如人工检查)

假设驱动的(Hypothesis-driven)研究:

●提出一个假设:

○“Double-Q学习优于Q-learning,因为它减少了向上偏差(upward bias)”

●在广泛的条件下验证假设

●比较相似的现有stat-of-the-art技术

●寻求理解而不是排行榜绩效


原则#2:可伸缩性(Scalability)决定成功

●算法的可伸缩性是其相对于资源的性能梯度

○给定更多资源,性能如何提高?

●资源可以是计算(computation),内存(memory)或数据(data)

●算法的可扩展性最终决定了它的成功与否

○图像

●可伸缩性始终(最终)比起点更重要

●给定无限资源,(最终)优化算法是最佳的

 

原则#3:通用性(Generality)未来证明算法

●不同的RL环境中,算法的通用性表现不同

●避免过度拟合当前任务

●寻求推广到未知未来环境的算法

●我们无法预测未来,但是:

○未来的任务可能至少与当前任务一样复杂

○当前任务遇到的困难很可能会增加

●结论:针对RL环境进行测试


原则 #4:信任Agent的经验

●经验(观察observations,行动actions,奖励rewards)是RL的数据

●相信经验是唯一的知识来源

○总是有诱惑力来利用我们的人文专长(人类数据,功能,启发式,约束,抽象,域操作)

●从经验中学习似乎是不可能的

○接受RL的核心问题很难

○这是人工智能的核心问题

○值得努力

●从长远来看,从经验中学习总能赢得胜利


原则#5:状态(State)是主

●Agents应根据自己的经验构建自己的状态


●Agent状态是先前状态和新观察的函数


●它是循环神经网络的隐藏状态

●从未根据环境的“真实”状态定义


原则#6:控制流(Control theStream)

●Agents生活在丰富的感觉运动数据流中

○Observations流入Agent

○Actions流出Agent

●Agent的操作会影响流

●控制功能=>控制流

●控制流=>控制未来

●控制未来=>可以最大化任何奖励

 

原则#7:值函数(Value Functions)建模世界

为什么要使用值函数?

●价值功能有效地总结/缓存未来

●将计划减少到恒定时间查找,而不是指数前瞻

●可以独立于其跨度进行计算和学习

学习多种值函数:

●有效地模拟世界的许多方面(控制流)

    ○包括后续状态变量

●多个时间尺度


避免在原始时间步骤对世界进行建模。


原则#8:规划(Planning):从想象的经验中学习

一种有效的规划方法:

●想象一下接下来会发生什么

    ○模型中状态的样本轨迹

●从想象的经验中学习

    ○使用我们应用于实际实验的相同RL算法

现在,关注值函数近似值。


原则#9:授权函数近似器(FunctionApproximator)

●差异化的网络架构是强大的工具,可以促进:

    ○丰富的状态表示

    ○不同的记忆

    ○不同的计划

    ○分层控制

    ○...

●将算法复杂性推入网络架构

    ○降低算法的复杂性(如何更新参数)

    ○提高架构的表现力(参数的作用)


原则#10:学会学习(Learn toLearn)

人工智能的历史显示了明确的进展方向:

●第一代:良好的老式人工智能

    ○手工预测

    ○什么都不学

●第二代:浅学习

    ○手工功能

    ○学习预测

●第3代:深度学习

    ○手工算法(优化器,目标,架构......)

    ○端到端地学习功能和预测

●第4代:元学习

    ○无手工

    ○端到端学习算法和功能以及预测


    原文链接:http://www.deeplearningindaba.com/uploads/1/0/2/6/102657286/principles_of_deep_rl.pdf

    作者 | David Sliver

    编译 | Xiaowen

    转自专知公众号

    微信扫一扫
    关注该公众号

    {{panelTitle}}
    支持Markdown和数学公式,公式格式:\\(...\\)或\\[...\\]

    还没有内容

    关注微信公众号