文章正文

文化大革命的起因

深度强化学习中的好奇心

    本文是AI研究所编写的一个技术博客。最初的标题是《深层强化中的好奇心》。

    本文是AI研究所编写的一个技术博客。最初的标题是:

    深度强化学习的好奇心

    作者|迈克尔·克莱尔

    翻译|缩写2018

    校对|酱梨涂饰|菠萝女孩

    链接到原始文本:

    Http://towardsdata..com/holio.-in-.-.ment-.-.-.-network-.llation-747b322e2403

    深度强化学习中的好奇心

    早期密集学习的困难任务之一,Montezuma的复仇,在探索随机网络蒸馏方面取得了重大突破(来源:Parker兄弟博客)。

    Atari游戏是深层强化学习(RL)算法的一个流行的基准任务。Atari很好地平衡了简单性和复杂性:一些游戏(如Pong)是如此简单,以至于它们可以通过基本算法(如一般策略梯度)来解决,而其他游戏则足够复杂以至于可以击败甚至最先进的算法。

    在最简单和最复杂的游戏之间的一系列有用的任务已经成为许多深入加强学习研究论文的核心。

    来自OpenAI博客。

    前者“未解决”的阿塔里游戏,蒙提祖马的复仇,最近已经解决了一个算法(在某种程度上),可以在得分上超过人类表现。研究人员可以鼓励代理人在1级探索不同的房间,这是赢得游戏积分的好方法。

    通过好奇心探索

    人类在玩冒险游戏时有一种内在的探索欲望,比如蒙提祖玛的复仇。游戏设计者构建这样的游戏来鼓励这种行为,通常需要玩家在继续游戏之前进行探索。这就是为什么冒险游戏很有趣。(问任何喜欢玩天空游戏的人。)

    像Montezuma的《复仇》或《天空》这样的冒险游戏充分利用了玩家探索的自然欲望,使得探索成为游戏任务的关键部分。

    深度强化学习算法执行“探索”的典型方法是通过随机策略:从神经网络提供的动作似然分布中随机采样动作。因此,特别是在早期阶段(当策略没有时间收敛时),它是随机行动的明显选择。

    这种方法在某些情况下是有效的。例如,Pong的解决方案是随机旋转桨并观察结果。幸运的是,球偏转可以启动优化。

    在像蒙特祖马的复仇游戏中,这种方法是不可行的。想象一下,从游戏的开始,化身随机地左右移动,随机地跳跃。结果,化身掉进熔岩中或直接进入敌人而没有获得点数。没有积分或奖励,算法无法得到优化的信号。

    那你会随便甩一甩吗?祝你好运。

    好奇

    重点放在寻找更好的探索方法上。基于好奇心的探索可以看作是激发人类玩家好奇心的一种尝试。

    但是,我们如何创建一个好奇的代理呢?

    有很多方法可以实现这个想法。其中之一,甚至使用下一个状态预测,由于其简单性和可伸缩性而很有趣。

    其基本思想是同时培养独立的预测模型和策略模型。预测模型输入所观测到的当前状态和所选择的动作,并对下一次观测进行预测。

    为了探索足够的轨迹,我们假设损失很小(因为我们通过监督学习不断开发预测模型);对于探索不足的轨迹,我们假设损失很大。

    那么,我们能做的就是创建一个新的奖励函数(称为“内在奖励”),它提供与预测模型的损失成比例的奖励。因此,当探索新的轨迹时,代理接收到强烈的奖励信号。

    (a)一级学习探索(b)二级快速探索

    使用马里奥模拟器任务(来源)中的下一个预测,学习探索从第一级的好奇心转移到第二级的快速探索。

    这项技术在超级马里奥模拟器中产生了一些令人鼓舞的结果。

    拖延症代理人:电视问题

    这项技术并不完美。一个已知的问题是代理被环境中的随机或噪声元素所吸引。这种时钟情况有时被称为“白噪声”问题或“电视问题”;也称为“拖延”。

    为了证明这种效果,设想一个代理人通过观察他所看到的像素来学习在迷宫中导航。

    下一状态预测引起代理人学习成功导航迷宫的好奇心。

    代理人很好地完成了任务;他开始寻找迷宫中未被探索的部分,因为他有能力在探险丰富的地区做出好的预测(或者换句话说,他不能在未开发地区做出好的预测)。

    现在在迷宫的墙上放一个“电视”,快速连续地显示随机选择的图像。由于图像的随机来源,代理不能准确预测接下来会出现什么图像。该预测模型将产生高损耗,从而为代理商提供高“内在”回报。最终的结果是,特工们倾向于停止看电视,而不是继续探索迷宫。

    在环境(源)中,当代理人面对电视或随机噪声源时,下一个状态预测引起代理人的好奇心,最终导致“拖延”。

    为了避免延误,采用随机网络蒸馏。

    OpenAI的一些优秀人员最近发表了一篇论文,提出了噪声电视问题的解决方案,探讨了随机网络蒸馏(RND)。

    这里的新思想是将类似的技术应用到下一个状态预测方法,但是消除对先前状态的依赖。

    下一状态预测相对于RND(源)的概述。

    RND并不预测下一个状态,而是观察下一个状态并试图预测下一个状态。这是一个非常微不足道的预测,不是吗?

    RND随机网络的目的是采用这种小的预测任务,并将其转化为硬预测任务。

    使用随机网络

    这是一个聪明但违反直觉的解决方案。

    其思想是我们使用随机初始化神经网络将观测值映射到潜在的观测向量。函数本身的输出并不重要;重要的是,我们有一些未知的确定性函数(随机初始化的神经网络),以某种方式转换观测值。

    因此,我们的预测模型的任务不是预测下一个状态,而是预测给定观测状态的未知随机模型的输出。我们训练该模型使用随机网络输出标签。

    当代理处于熟悉的状态时,预测模型应该能够很好地预测随机网络的期望输出。当智能体对状态不熟悉时,预测模型会对随机网络的输出做出较差的预测。

    通过这种方式,我们可以定义一个内在的奖励函数,它再次与预测模型的损失成比例。

    内部报酬计算的概念概述。只使用下一个观察状态。

    这可以解释为“新奇性检测”方案,其中当进行新的观测或不熟悉的观测时,预测模型具有较高的计算损失。

    作者使用MNIST作为这个概念的证明。在本实验中,他们通过随机初始化神经网络提供MNIST样字符。然后,在给定的输入条件下,它们训练并行网络来预测随机网络的输入。如预期,当目标类的训练样本数量增加时,它们将看到目标类被并行网络丢失。

    数据2:MNIST上的新奇性检测:预测器网络模拟随机初始化的目标网络。训练数据包括不同比例的图像和目标类别与“0”类别。每个曲线都表示MSE测试显示的目标类的训练用例的数量(对数)。

    论文对MNIST概念进行了验证。

    这样,当代理看到随机噪声源时,它不会被卡住。它不需要试图预测屏幕上下一个不可预测的帧,只需要知道这些帧是如何通过随机网络转换的。

    探寻蒙太祖玛的复仇

    由于解决方法不佳,以往的状态预测的好奇机制并不能解决蒙台梭玛的复仇问题,但RND似乎已经克服了这些问题。

    好奇心驱使的代理人探索房间,学习收集钥匙,这样他们就可以打开新房间。

    尽管取得了这样的成功,但是代理仅“偶尔”通过了一级。这是因为通过最后一道门来完成检查点,需要严格管理密钥的使用。需要内部状态模型(如LSTM)来克服这一障碍。

    因此,虽然RND已经允许代理人在得分上超过一般人的表现,但是在掌握游戏之前还有很长的路要走。

    这是关于深度强化学习算法的实验的一系列文章的一部分。查看本系列以前的一些帖子:

    理解演进的战略梯度。

    感谢卢多维奇·本尼斯坦特。

    要继续查看本文的链接和参考资料吗?

    长时间点击链接打开或点击底部[好奇心在深度强化学习]:

    Http://ai.yanxishe.com/page/Text./1363

    AI协会每天更新精彩内容,观看更多精彩内容:雷锋网、雷锋网和雷锋网。

    五大CNN架构

    深度强化学习中的好奇心

    使用Pytorch进行深度学习(第一部分)手柄:使用PyTorch实现图像分类器(第二部分)

    等待您翻译:

    如何为初学者聚类混沌数据以使用Keras进行迁移学习增强学习:对于情绪行为系统,如果你想学习数据科学,这七个资源不能错过

当前文章:http://www.jsxyzhu.com/ozijiyy/608897-918165-43589.html

发布时间:02:59:44

广州设计公司  特码神偷  喜中网  二四天天正版好彩免费资246  二四天天正版好彩费资枓大全  二四天天正版好彩免费资246  二四天天正版好彩费资枓大全  二四天天正版好彩免费资246  喜中网报码  二四天天正版好彩免费资枓1  二四天天正版好彩费资枓大全  

{相关文章}

打开酒店的“卫生门”:下次你不会站起来,而且负担不起。

    摘要

     【揭开酒店"卫生门"的花总:下次不会站出来 承受不起】在成都春熙路一家五星级酒店,“花总”接受华西都市报、封面新闻记者专访流量计原理_铁中铮铮网,讲述了曝光“酒店卫生黑幕”之后的经历。在曝光酒店卫生业乱象一个月后,他深陷矛盾之中:一方面不愿放弃较真,希望能给自己和公众一个交代;另一方面,他又身处舆论漩涡中心,被众多善意或恶意的关注压得透不过气来。(华西都市报)

    

    

    

       在成都春熙路一家五星级酒店,“花总”接受华西都市报、封面新闻记者专访,讲述了曝光“酒店卫生黑幕”之后的经历。  这是一家位于成都春熙路的高档酒店。晚上8点,从33层楼的房间中,可以俯瞰到成都最繁华的夜景——远处鳞次栉比的高楼华灯初上,脚下古色古翅膀下的风_绯红的魔咒网香的太古里灯火阑珊。  “花总”此时就住在这家酒店,此刻,他靠在椅子上,背对着房间大落地窗,显得异常疲倦。  在曝光酒店卫生业乱象一个月后,他深陷矛盾之中:一方面不愿放弃较真,希望能给自己和公众一个交代;另一方面,他又身处舆论漩涡中心,被众多善意或恶意的关注压得透不过气来。  “这件事之后,你要问我下一次会不会站出来,我肯定是不会了,这个东西我承受不起。”“花总”说,“我本人其实是一个很怂的人。”  “杯子风波”  一切开始于一个视频——2018年11月14日,“花总”在微博发布视频《杯子的秘密:你不知道的五星酒店》,并配文:过去六年,我以酒店为家。今天我要告诉你一个在中国酒店业长期存在的问题,波及面接近100%,就连口碑最好的大牌也未能幸免。各集团都有客房清洁程序与卫生标准,国家也颁布过《旅业客房杯具洗消操作规程》,但全行业几乎都没有严格落实,留下卫生隐患。  汪黎明_游戏下载基地网在视频中,众多五星级酒店的保洁员都是“一抹到底”:只用一块抹布,擦遍了漱口杯、餐具、洗手池、座便器;甚至还有直接用客人用过的毛巾进行清洁的行为。  这些是“花总”历时近1年拍摄的结果,而拍摄开始于一个巧合。  2017年,是“花总”以酒店为家的第五年。在江苏一家酒店,“花总”吃完午饭回客房,见门外没有“正在清扫”的吊牌,他直接刷卡进了房间,却看见保洁员正在拿自己早上洗澡用过的毛巾擦口杯。  “这事发生以后,我心里就很不舒服,想起以前有些对酒店卫生的报道,就想看看是个案还是普遍现象。”“花总”说。  微博发布后,舆论被很快引爆,微博转发量很快超过10万次,视频观看次数也近4000万。  “被折叠的身份”  对“花总”来说,微博“花总”和他,网络和现实中有一堵墙,这让他可以在网上尽情较真,而在现实中持续平静的生活。但现在,墙倒了,“线上线下的身份折叠了,这让我完全没有心理准备”。  在一个月的时间里,“花总”上了20次热搜,最多在同一时刻占了3个热搜。曾有“花总”的朋友开玩笑说他承包了这一个月的热搜和头条,但这对“花总”来说并不好笑,这一个月里,他逐渐走进舆论漩涡,最终无法自拔。  “现在所有人都知道我是‘花总’了,我给自己制造了一个漩涡,走了进去。”因为过于疲惫,他说话的声音不大,说完后重重叹了口气。  “折叠”开始于“酒店行业”的纠缠,在“花总”发微博24小时内,他的个人护照信息就被泄露,并两度被传播曝光。  一开始,“花总”试图用法律手段平息此事,聘请了律师,甚至还在网上悬赏10万元收集个人信息泄露的源头,但至今仍无线索。  12月10日晚,又有两家酒店泄露其个人信息,其中一家更是将“花总”护照复印件和采访截图张贴在玻璃上,备注“暗访人员关注”。  对yahoo.com.sg_莱特币官网网此,“花总”代理律师周兆成认为,现如今,同一个集团下的不同酒店,甚至行业共同体,基于共同抵制负面曝光者、维护酒店行业利益的考虑,对用户数据完全有可能被共享。这种排斥式的打击报复,就是酒店行业的“黑名单”。  “树欲静而风不止。”“花总”这样感叹这一个月来的生活。酒店曾是他的家,但现在这个“家”却对他充满敌意。除了隐私泄露,对他的人身威胁也不时发生。这也让他一直处于媒体和公众的关注下。  “世上本不该有‘花总’”  “你为什么喜欢孙悟空?”  “因为他能七十二变,可以逃啊。”  “花总”苦笑着回答这个问题,但他现在,的确无处可“逃”。  在被多家酒店“通缉”后,“花总”曾戴着口罩入住了一家公寓,却还是在送洗衣物时被服务员认出。住在成都酒店吃饭时,也被餐厅服务员认出,直接问“吴先生,这牛排要几分熟”。就连二三十年没有联系的小学同学,也找到他关心他的安危。而这些,都这让他感到芒刺在背,“无所遁形”。  “我在现实中其实是个很怂的人,怂到别人踩了我一脚,我可能觉得就算了的人。我不是斗恶龙的勇士美背瑜伽_刘翔夺冠网,不是堂吉诃德,我只想做个普通人。很多人觉得你是个英雄,我觉得我不是,因为当你觉得是的时候,就要承担很大责任。”“花总”说。  “花总”自嘲般强调,“我真的想告诉大家,不要把我当英雄,把我当个偶尔雄起的非限制性定语_佛冈县职业技术学校网油腻中年男子就好。我并不提倡所有消费者都要‘我以我血荐轩辕’,个人维权是要付出很大代价的,我觉得一个‘花总’都不应该出现。”在他看来,一个有英雄的世界固然好,但更好的,或许是一个没有也不需要英雄的世界。  现在,“花总”经常睡不好,手机依旧24小时开机,连静音都不敢,除了警方随时可能打电话告诉他最新进展,他依旧想积极面对那些关心和支持他的人。  或许,随着时间的推移,大家会逐渐忘掉“花总”和他的“杯子”,但至少在这一天,“花总”又将在五星级酒店度过一个难眠的夜晚。  相关报道>>>  花总信息泄露者手写道歉信致歉:指认“上游” 愿做“仆人”  遭死亡威胁后“花总”再发文:只好日常小心 不奢求善终  “花总”个人信息泄露后向两酒店发律师函 或将启动跨国诉讼(文章来源:华西都市报)

    

    

    

     (责任编辑:DF381)

广州设计公司  特码神偷  喜中网  二四天天正版好彩免费资246  二四天天正版好彩费资枓大全  二四天天正版好彩免费资246  二四天天正版好彩费资枓大全  二四天天正版好彩免费资246  喜中网报码  二四天天正版好彩免费资枓1  二四天天正版好彩费资枓大全   |
http://4xx9.com/articlelist-397.htmlhttp://4xx9.com/articlelist-393.htmlhttp://4xx9.com/articlelist-400.htmlhttp://4xx9.com/articlelist-368.htmlhttp://4xx9.com/articlelist-417.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-438.htmlhttp://4xx9.com/articlelist-432.htmlhttp://www.4xx9.com/articlelist-395.htmlhttp://www.4xx9.com/articlelist-385.htmlhttp://www.4xx9.com/articlelist-377.htmlhttp://www.4xx9.com/articlelist-366.htmlhttp://www.4xx9.com/articlelist-342.htmlhttp://www.4xx9.com/articlelist-391.htmlhttp://www.4xx9.com/articlelist-349.htmlhttp://www.4xx9.com/articlelist-370.htmlhttp://www.4xx9.com/articlelist-352.htmlhttp://www.4xx9.com/articlelist-444.htmlhttp://www.4xx9.com/articlelist-431.htmlhttp://www.4xx9.com/articlelist-430.htmlhttp://www.4xx9.com/baoma.htmlhttps://www.4xx9.com/articlelist-398.htmlhttps://www.4xx9.com/articlelist-343.htmlhttps://www.4xx9.com/articlelist-366.htmlhttps://www.4xx9.com/articlelist-400.htmlhttps://www.4xx9.com/articlelist-371.htmlhttps://www.4xx9.com/articlelist-367.htmlhttps://www.4xx9.com/articlelist-430.htmlhttps://www.4xx9.com/articlelist-426.htmlhttps://www.4xx9.com/articlelist-425.htmlhttps://www.4xx9.com/articlelist-306.htmlhttps://www.4xx9.com/baoma.htmlhttps://4xx9.com/articlelist-402.htmlhttps://4xx9.com/articlelist-408.htmlhttps://4xx9.com/articlelist-343.htmlhttps://4xx9.com/articlelist-342.htmlhttps://4xx9.com/articlelist-358.htmlhttps://4xx9.com/articlelist-357.htmlhttps://4xx9.com/articlelist-391.htmlhttps://4xx9.com/articlelist-346.htmlhttps://4xx9.com/articlelist-413.htmlhttps://4xx9.com/articlelist-353.htmlhttps://4xx9.com/articlelist-365.htmlhttps://4xx9.com/articlelist-438.htmlhttps://4xx9.com/articlelist-432.htmlhttps://4xx9.com/articlelist-430.htmlhttp://4xx9.com/articlelist-400.htmlhttp://www.4xx9.com/articlelist-342.htmlhttps://www.4xx9.com/articlelist-425.htmlhttps://4xx9.com/articlelist-342.html