机器学习、深度学习和模拟之间的联系是什么?

莱尔·沃利斯站在网格世界前

*深入研究我们的AI和模拟材料和下载


强化学习,这是这些天所有的行动都在说的莱尔·沃利斯他是普华永道的咨询分析总监。它也是连接机器学习、深度学习和模拟的纽带。所以如何?为什么这很重要?

在2018年AnyLogic大会上的演讲中,Lyle解释了模拟在人工智能中的各种用途及其重要性。这是他非常受欢迎的后续作品模拟和人工智能集成的见解从上一年开始。

首先,给出了仿真与人工智能结合的三种主要用途:

  • 深度强化学习和训练神经网络的模拟。
  • 建模现实世界——如果你正在建模一个包含人工智能的系统,那么这个模型也应该包含人工智能。
  • 使用人工智能校准和调试模型。

首先,演示的重点是第一个用例,其中模拟被用来帮助培训强化学习系统,但Lyle解释说第二个用例正在快速应用于运营和供应链领域。在这些行业中,机器学18luck手机官网习已经被用于路由优化等任务。因此,对于真正的代表,它是必要的数字的双胞胎以及这些现实世界系统的模型来捕捉它们的AI元素。


强化学习的进一步研究

在介绍了这些用例之后,一个关于深度强化学习工作原理的快速入门教程展示了在AnyLogic中运行的网格世界模型。Lyle解释说,这样做的原因是目前大多数深度强化学习的例子都使用了网格世界类型的模型。如果你感兴趣,你可以设置自己的AIAnyLogic中的网格世界。本杰明舒曼在他的四部分指导步骤指导您博客-包括视频和下载。网格世界模型提供了对神经网络运行的洞察。

尽管网格世界模型的外观很简单,但深度强化学习的力量可以从它在围棋游戏中的成功中得到更好的理解星际争霸.在这些案例中,世界大师输给了DeepMind的机器学习——尤其是深度强化学习。



应用深度学习

接下来,演示了普华永道团队如何通过实验探索人工智能在AnyLogic中的应用,从而超越了网格世界。他们拿走了糖果的游戏的例子模型,其中公司竞争市场份额,并使用DL4J用人工智能代理取代了其中一家竞争公司。这个实验得到了一些重要的观察结果。

莱尔将人工智能比作“类固醇上的优化器”,在训练过程中,它会发现并利用模型中的每一个弱点。这意味着,如果模型不健壮,就需要额外的工作来正确定义所研究的领域。然而,另一方面,以前未知的模式和新策略也可能被揭示出来。在围棋和星际争霸的世界中,正是这些发现导致了机器的成功,也吸引了专业从业者的兴趣。对于一个公司来说,它可以意味着竞争优势,比如Netflix重新设计了它的推荐引擎.不过,这里有一个警告。

当扩展一个问题领域时,复杂性会迅速增加,并可能变得难以管理,就像“糖果游戏”所发现的那样。计算时间随着变量数量的增加而迅速增加,在定义什么是终点以及什么构成成功时可能会出现问题。正是因为这些问题,游戏及其设定的动作和环境能够提供现实世界所无法提供的清晰信息。

当然,云计算和专门的硬件可以帮助缩短计算时间,但在很大程度上仍然依赖于模型的质量。本次演讲的结尾正是关于仿真建模这个主题。(不过,你应该关注问答环节)

模拟是一项关键的人工智能技术,上面概述了它的三个用例,在训练数据过于危险、昂贵或无法从现实世界获得的情况下,它尤其有助于创建强化学习模型。观看视频并听取莱尔本人的解释,为什么模拟是一项关键的人工智能技术。


影片可于优酷

⚡通过我们的收集了解更多关于模拟在人工智能中的好处材料和下载

演示幻灯片可在PDF

相关的帖子

Baidu