रीइन्फ़ोर्समेंट लर्निंग: आज़माकर सीखना
मध्यम · पढ़ने में लगभग 7 मिनट
रोबोट कोशिश करता है, स्कोर पाता है, और धीरे-धीरे सीखता है कि कौन-से क़दम ज़्यादा स्कोर दिलाते हैं।
रीइन्फ़ोर्समेंट लर्निंग में कोई रोबोट को सही जवाब नहीं बताता। वह एक क़दम आज़माता है, दुनिया जवाब देती है, और इनाम का स्कोर बताता है कि वह अच्छा था या नहीं। कई कोशिशों के बाद वह ऐसे क़दम चुनना सीखता है जिनसे ज़्यादा इनाम मिले।
यह कुत्ते को बिस्किट देकर करतब सिखाने जैसा है, बस रोबोट लाखों बार कोशिश कर सकता है। इसीलिए ज़्यादातर अभ्यास सिमुलेटर में होता है, जहाँ ग़लतियाँ मुफ़्त और तेज़ होती हैं।
चलने वाले रोबोट को आगे बढ़ने पर इनाम और गिरने पर सज़ा मिलती है। लाखों सिमुलेटेड कोशिशों के बाद वह चलने का ऐसा तरीक़ा खोज लेता है जो किसी इंजीनियर ने हाथ से नहीं लिखा।
आप ऐसे हुनर पा सकते हैं जिन्हें हाथ से प्रोग्राम करना बहुत कठिन है, जैसे संतुलन, चलना या जगलिंग।
आपको हर गति हाथ से कोड करनी पड़ेगी। जटिल शरीर के लिए इसमें सालों लगते हैं और फिर भी हरकत अकड़ी-अकड़ी दिखती है।
कोई सरल खेल खेलिए और हर चाल के लिए अपना "इनाम" लिखिए। आपने अभी वही किया जो एल्गोरिदम करता है।
अक्सर पूछे जाने वाले सवाल
सिमुलेशन में ही ट्रेनिंग क्यों?
असली रोबोट टूट सकता है और धीमा होता है। सिमुलेटर मिनटों में हज़ारों अभ्यास बिना ख़तरे के चला देता है।
क्या सीखा हुआ हुनर असली रोबोट पर चलता है?
अक्सर कुछ और काम के बाद। सिमुलेशन और असलियत के बीच की दूरी एक जानी-मानी समस्या है, जिसे सिम-टू-रियल कहते हैं।
आसान भाषा में। मुफ़्त। एक क्लिक में सदस्यता रद्द।
खेलकर सीखना चाहते हैं? अंग्रेज़ी पेज पर इंटरैक्टिव डेमो खोलिए → · शब्दावली