WEBVTT 00:00.630 --> 00:03.850 Hallo und herzlich willkommen zum Kurs über künstliche Intelligenz. 00:03.990 --> 00:09.260 Im heutigen Tutorial beginnen wir mit dem Abschnitt über tiefes konvolutionelles Lernen. 00:09.420 --> 00:11.010 Schauen wir uns also an, worum es geht. 00:11.010 --> 00:14.040 Zuvor haben wir über tiefes cooles Lernen gesprochen. 00:14.040 --> 00:21.270 Wir hatten also eine Umgebung, in der ein Agent und ein Vektor die Umgebung beschreibt, die in ein 00:21.270 --> 00:26.310 neuronales Netzwerk eingespeist wurde. Am Ende erhielten wir die q-Werte als Output. 00:26.310 --> 00:29.970 Und dann haben wir natürlich herausgefunden, wie man den Lernteil zurückhalten kann. 00:29.970 --> 00:34.650 Wir haben herausgefunden, wie Aktionen basierend auf diesen Werten als Aktionsteil festgelegt werden. 00:34.650 --> 00:42.380 Und wir sprachen über Maßnahmen zur Auswahl von Maßnahmen und verschiedene Dinge darüber, wie tiefes Lernen funktioniert. 00:42.420 --> 00:51.240 Aber hier ist der Schlüsselbegriff, wie wir von der tatsächlichen Umgebung und den Zuständen 00:51.240 --> 00:54.450 zum neuronalen Netzwerk gelangen. 00:54.480 --> 00:56.190 Nun, der Übergang ist hier vorbei. 00:56.220 --> 01:02.250 Die Eingangsvektoren sind also die Eingangslehre unseres neuronalen Netzes und es handelt sich um einen Vektor. 01:02.250 --> 01:06.570 Also, was wir betrachten, ist in Ordnung, also schneiden wir tatsächlich an der Kurve ab. 01:06.600 --> 01:08.830 Das ist nicht der richtige Begriff, auf den wir nichts schauen. 01:08.940 --> 01:12.330 Der Agent verfügt grundsätzlich über diese Informationen. 01:12.330 --> 01:18.490 Die Umgebung analysiert diese Informationen und sagt, OK, der Agent, in dem Sie sich derzeit in diesem Zustand befinden, 01:18.560 --> 01:26.160 wird von dem Sektor in diesem vereinfachten Beispiel beschrieben, der durch diesen Vektor X-1 von 1 x 2 von 2 beschrieben wird, so dass 01:26.160 --> 01:31.410 Ihre Koordinaten 1 2 sind und das ist Ihr ganzer Zustand in einer komplexeren Umgebung. 01:31.410 --> 01:37.920 Die Aussage und alle anderen Dinge, die der Agent beobachten kann, aber der Punkt hier ist, dass er als 01:37.920 --> 01:39.040 Vektor besetzt ist. 01:39.240 --> 01:45.750 Und die Sache ist, dass das im wirklichen Leben nicht passiert, außer bei GPS-Systemen und anderen 01:45.780 --> 01:46.470 Dingen. 01:46.530 --> 01:51.830 Aber im wirklichen Leben, was wir meistens mit unseren Sinnen benutzen, benutzen wir unsere Augen sogar im GPS. 01:51.930 --> 01:53.670 Es ist nicht in unser Gehirn eingebaut. 01:53.670 --> 01:56.420 Es sagt uns nicht die Koordinaten durch unser Gehirn. 01:56.430 --> 02:02.880 Wir schauen also immer noch mit unseren Augen auf das GPS und verstehen, was dort vor sich geht. 02:02.910 --> 02:09.620 Dies ist also eine Art Schummeln für die KI, um als Vektor Informationen über die Umgebung zu erhalten. 02:09.620 --> 02:12.030 Es ist zu einfach, es ist nicht so, wie es im wirklichen Leben funktioniert. 02:12.030 --> 02:17.040 So arbeiten wir als Menschen nicht, und letztendlich wollen wir künstliche Intelligenz schaffen, 02:17.340 --> 02:23.310 die auf ähnliche Weise wie Menschen funktionieren kann, da sie die gleichen Herausforderungen annehmen können wie Menschen. 02:23.320 --> 02:28.740 In der menschlichen Welt haben wir also nicht das, was wir nicht haben, das wir nicht diese Koordinaten oder andere 02:28.740 --> 02:33.870 Arten von Vektoren haben, die an uns weitergegeben werden und die den Zustand in dieser Umgebung erklären. 02:33.870 --> 02:37.350 Also müssen wir das entfernen, um es realistischer zu machen. 02:37.410 --> 02:42.180 Und was können wir dann durch das ersetzen, was wir sehen oder was wir als Mensch tun, um Informationen zu erhalten. 02:42.180 --> 02:46.860 Nun, die meiste Zeit sehen wir natürlich alle unsere Sinne, aber die meisten Informationen, 02:46.860 --> 02:51.300 die wir über die Welt um uns herum erfahren, kommen durch unsere Sicht. 02:51.510 --> 02:59.340 Und aus diesem Grund werden wir diesen kleinen Pfeil, den wir hatten, in ein komplettes neuronales Netz 02:59.340 --> 03:00.090 verwandeln. 03:00.090 --> 03:02.700 Das ist also von unserem Onix. 03:02.700 --> 03:08.400 Zweitens haben wir die Konfrontation, Larry, und deshalb ist es wichtig, dass Sie 03:08.460 --> 03:13.290 mit den neuronalen Netzwerken der Evolution gut vertraut sind und 03:13.350 --> 03:14.910 wie das funktioniert. 03:14.930 --> 03:20.490 Oder schauen Sie sich einfach die nächste Nummer zwei an, wir haben dort ein paar sehr gute Intuition-Tutorials. 03:20.670 --> 03:26.160 Hier haben wir also die Faltungsoperation, die geschieht, also werden wir das eigentlich als 03:26.160 --> 03:27.330 Bild betrachten. 03:27.330 --> 03:31.350 Dies ist also ein Abbild der Net-Umgebung. 03:31.350 --> 03:33.990 Der Agent schaut sich also die Umgebung an. 03:33.990 --> 03:39.870 In diesem Fall sieht es nicht so aus, als würde er von innen schauen. 03:39.930 --> 03:44.710 Nehmen wir an, er spielt das auf einem Computer und er kann diese Umgebung sehen, und daher 03:44.760 --> 03:48.480 kann er sehen, wo diese Figur, die den Agenten darstellt, tatsächlich ist. 03:48.480 --> 03:53.340 Sie können sein Ganzes in viral sehen oder was immer ein Mensch sehen würde, wenn es tatsächlich ein Labyrinth wäre und der Mensch das Labyrinth 03:53.340 --> 03:54.270 von innen sehen würde. 03:54.270 --> 03:56.480 Und so sollte der Agent genau das Gleiche können. 03:56.700 --> 04:03.000 Was er also sagt, wird durch ein Getümmelungslager getan. Sie gehen in eine Art Dummkopf, ziehen ein 04:03.030 --> 04:10.140 Bein und gehen wieder flach, Sie können mehr über diese verschiedenen Teile des konvolutionellen neuronalen Netzes im Nebengebäude erfahren 04:10.140 --> 04:12.680 und dann die Offiziere flach machen. 04:12.690 --> 04:19.950 Dann haben wir Eingaben, die in das neuronale Netzwerk eingehen, und dies ist realistischer, da 04:19.950 --> 04:29.010 der Agent seine Websites verwenden muss oder Bilder verarbeiten muss, die die Umgebung dem Agenten zur Verfügung stellt, so wie 04:29.400 --> 04:31.590 ein Mensch Bilder verarbeitet. 04:31.590 --> 04:37.410 Und das Schöne daran ist nicht nur, dass es realistischer ist und eher wie ein Farbton ist. 04:37.410 --> 04:43.280 Das Alter ist eigentlich mehr als ein Mensch, aber es erlaubt uns, viel komplexere Umgebungen zu verarbeiten. 04:43.380 --> 04:49.050 So können wir beispielsweise Doom oder andere ähnliche Spiele spielen, da wir nicht einfach 04:49.050 --> 04:55.980 nur einen Vektor von Informationen erhalten, die wie jemand in dieser Umgebung für uns geschaffen worden wären, wir 04:56.080 --> 05:02.230 können künstliche Intelligenz mit jeder Umgebung verbinden, die der Mensch als Vision hat von ist und. 05:02.430 --> 05:08.280 Wenn Sie dieses Spiel spielen, können Sie genau dieses Bild sehen, und genau das würde 05:08.760 --> 05:12.450 das künstliche neuronale Netzwerk oder der Agent jetzt sehen. 05:12.540 --> 05:17.580 Wenn Sie also in diesem Teil des Kurses nach den praktischen Tournelles suchen, wird der Agent 05:17.580 --> 05:22.890 genau dieses Bild sehen. Er wird die Pixel sehen. Es wird genau dieses Bild mit den Pixeln dieser 05:22.890 --> 05:28.410 Person angezeigt, mit denen wir weg sind Mit diesem Gesicht mit diesem Prozentsatz mit allem, was wir hier 05:28.410 --> 05:30.710 sehen, sieht der Agent genau das aus. 05:30.870 --> 05:37.470 Dann muss es das durch Ziehen von Mähdreschern durchtrennen, und dann geht es in ein neuronales Netz. 05:37.650 --> 05:42.150 Und es ist unnötig zu erwähnen, dass die neuronalen Netzwerke tatsächlich viel komplexer sind als das, also lassen wir es durch etwas 05:42.150 --> 05:42.780 ähnliches ersetzen. 05:42.780 --> 05:44.480 Das ist nicht viel komplexer. 05:44.520 --> 05:49.350 Dies sieht zwar etwas komplizierter aus, aber in Wirklichkeit werden die neuronalen Netzwerke arbeiten 05:49.380 --> 05:54.140 und schaffen, wenn Sie recht interessant sein und viel komplexer sein werden. 05:54.150 --> 05:59.910 Aber wie Sie bereits hier sehen, auch wenn Sie nur fünf Eingaben haben und zwei Dinge viel 05:59.970 --> 06:04.380 komplexer werden, können Sie sehen, dass der Agent viele weitere Aktionen ausführen kann. 06:04.380 --> 06:10.850 Im Doom-Spiel nach links und rechts schauen und nach unten schauen. 06:10.890 --> 06:16.290 Oder du kennst all die verschiedenen Handlungen, die in der ersten Person möglich sind, gerne tun. 06:16.290 --> 06:19.430 Und außerdem muss es nicht sein, dass Sie es können. 06:19.430 --> 06:23.190 Sie können diesen Agenten mit einem anderen Spieltyp berühren. 06:23.190 --> 06:29.940 Das ist das Schöne daran, dass es dann klar wird, dass es jetzt jede Art von Umgebung betreiben kann, an 06:29.940 --> 06:34.260 die Sie es anhängen, denn solange es eine visuelle Darstellung der Umgebung 06:34.680 --> 06:39.940 dieser Umgebung gibt, ist bereits die gesamte Infrastruktur vorhanden, die die gesamte Struktur verarbeiten kann Das. 06:39.960 --> 06:43.980 Darum geht es beim tiefen konvolutionellen CULE-Lernen. 06:43.980 --> 06:51.120 Wir bringen es also sogar auf den nächsten Schritt, in dem wir jetzt Fäden oder Faltungs-Lares 06:51.120 --> 06:58.980 in das Gehirn unserer Agenten hinzufügen, und wir machen es noch komplexer, und daher können wir uns langweilen, noch 06:58.980 --> 07:01.260 komplexer lösen zu können Herausforderungen. 07:01.410 --> 07:06.720 Ich hoffe, Sie sind sehr aufgeregt darüber, dass sich dies in einem epischen Abschnitt befinden wird, und wir werden einige erstaunliche Dinge 07:06.720 --> 07:10.460 schaffen, und ich kann es kaum erwarten, Sie in diesem nächsten Tutorial zu sehen. 07:10.480 --> 07:12.130 Und bis dahin genießen Sie AI.