WEBVTT 00:00.630 --> 00:03.850 Bună ziua și bineveniți înapoi la cursul de inteligență artificială. 00:03.990 --> 00:09.260 În tutorialul de astăzi, începem secțiunea privind învățarea mișcătoare profundă. 00:09.420 --> 00:11.010 Deci, haideți să aruncăm o privire la ce este vorba. 00:11.010 --> 00:14.040 Anterior am vorbit despre învățare profundă. 00:14.040 --> 00:21.270 Așadar, am avut un mediu în care un agent și am avut un vector care descrie acel mediu care a fost 00:21.270 --> 00:26.310 introdus într-o rețea neuronală și la final am obținut valorile q ca ieșirile noastre. 00:26.310 --> 00:29.970 Și apoi, desigur, am aflat cum să restrângem partea de învățare. 00:29.970 --> 00:34.650 Am aflat cum sunt hotărâte acțiunile bazate pe acele valori care reprezintă o parte de acțiune. 00:34.650 --> 00:42.380 Și am vorbit despre politici de selecție a acțiunilor și despre lucruri diferite despre modul în care funcționează învățarea profundă. 00:42.420 --> 00:51.240 Dar aici conceptul cheie pentru toate acestea este cum putem obține de la acest lucru din mediul 00:51.240 --> 00:54.450 real și statele către rețeaua neuronală. 00:54.480 --> 00:56.190 Ei bine, tranziția este aici. 00:56.220 --> 01:02.250 Vectorii de intrare, astfel încât Lehre de intrare a rețelei noastre neuronale și este un vector. 01:02.250 --> 01:06.570 Deci, ceea ce ne uităm este în regulă, așa că de fapt ne îndreptăm spre curbă. 01:06.600 --> 01:08.830 Nu este termenul corect în care nu ne uităm la nimic. 01:08.940 --> 01:12.330 Agentul are în principiu această informație. 01:12.330 --> 01:18.490 Deci, mediul înconjoară această informație spunând OK că agentul pe care îl aveți în prezent în această 01:18.560 --> 01:26.160 stare este descris de sector în acest exemplu simplificat descris de acest vector X-1 de 1 x 2 din 2, deci coordonatele 01:26.160 --> 01:31.410 dvs. sunt 1 2 și aceasta este întreaga dumneavoastră stare într-un mediu mai complex. 01:31.410 --> 01:37.920 Declarația și toate celelalte lucruri pe care agentul le poate observa, dar punctul aici este că este folosit 01:37.920 --> 01:39.040 ca vector. 01:39.240 --> 01:45.750 Și lucrul este că acest lucru nu se întâmplă în viața reală în viața reală, cu excepția sistemelor GPS și a altor astfel 01:45.780 --> 01:46.470 de lucruri. 01:46.530 --> 01:51.830 Dar în viața reală ceea ce folosim de cele mai multe ori când ne folosim simțurile, folosim ochii chiar și în GPS. 01:51.930 --> 01:53.670 Nu este încorporată în creierul nostru. 01:53.670 --> 01:56.420 Nu ne spune coordonatele prin creierul nostru. 01:56.430 --> 02:02.880 Deci, încă ne mai folosim ochii să ne uităm la GPS și să înțelegem ce se întâmplă acolo. 02:02.910 --> 02:09.620 Și așa este un fel de înșelăciune pentru ca AI să poată obține informații despre mediu ca vector. 02:09.620 --> 02:12.030 Este prea simplu, nu funcționează în realitate. 02:12.030 --> 02:17.040 Nu așa lucrăm noi ca oamenii și, în cele din urmă, dorim să creăm inteligență artificială, care 02:17.340 --> 02:23.310 poate funcționa într-o manieră similară cu cea a oamenilor, care este pe măsură ce poate să facă aceleași provocări ca și oamenii. 02:23.320 --> 02:28.740 Și așa în lumea umană nu avem că noi nu avem că nu avem aceste coordonate sau alte 02:28.740 --> 02:33.870 tipuri de vectori care ne sunt transmise, care explică starea în care suntem în acel mediu. 02:33.870 --> 02:37.350 Așa că trebuie să eliminăm acest lucru pentru a deveni mai realist. 02:37.410 --> 02:42.180 Și apoi ce putem înlocui cu ceea ce vedem sau ce facem ca om pentru a obține informații. 02:42.180 --> 02:46.860 Ei bine, de cele mai multe ori vedem desigur toate simțurile noastre, dar majoritatea 02:46.860 --> 02:51.300 informațiilor pe care le primim despre lumea din jurul nostru vin din vedere. 02:51.510 --> 02:59.340 Și de aceea vom schimba acea săgeată mică pe care am avut-o într-o întreagă rețea neuronală 02:59.340 --> 03:00.090 convoluțională. 03:00.090 --> 03:02.700 Deci asta este de la Onix. 03:02.700 --> 03:08.400 În al doilea rând, avem Larry convulsie și de aceea este important să fii destul de confortabil cu evoluția rețelelor 03:08.460 --> 03:13.290 neuronale condiționate și cum te descurci dacă ai făcut legătura cu ODP și ar trebui să 03:13.350 --> 03:14.910 te simți confortabil cu asta. 03:14.930 --> 03:20.490 Sau puteți doar să aruncați o privire la următorul număr doi, unde avem câteva tutoriale de intuiție foarte bune. 03:20.670 --> 03:26.160 Deci, aici avem operația convoluțională care se întâmplă, așa că vom privi în realitate acest lucru ca 03:26.160 --> 03:27.330 pe o imagine. 03:27.330 --> 03:31.350 Deci aceasta este o imagine a mediului Net. 03:31.350 --> 03:33.990 Și așa agentul se uită de fapt la mediul înconjurător. 03:33.990 --> 03:39.870 Deci, în cazul ăsta, nu că ar fi ca și cum ar arăta de acolo, arăta așa. 03:39.930 --> 03:44.710 Să spunem că joacă acest lucru pe un computer și poate vedea acest mediu și, prin urmare, 03:44.760 --> 03:48.480 el poate vedea cum ar fi locul în care această figură reprezintă agentul. 03:48.480 --> 03:53.340 Puteți vedea întregul său în virale sau orice ar vedea un om dacă este un labirint real, iar omul ar vedea 03:53.340 --> 03:54.270 labirintul din interior. 03:54.270 --> 03:56.480 Și așa agentul ar trebui să poată face exact același lucru. 03:56.700 --> 04:03.000 Deci, ceea ce spune el este făcut, trece printr-o bâzâitură de rău că te duci un fel de nebun 04:03.030 --> 04:10.140 trăgând un picior care merge acolo, aplatizându-te din nou, poți afla mai multe despre aceste părți diferite ale convoluției o rețea 04:10.140 --> 04:12.680 neurală în anexă și apoi ofițerii aplatizate. 04:12.690 --> 04:19.950 Apoi avem intrări care intră în rețeaua neuronală și aceasta este o modalitate mai realistă deoarece 04:19.950 --> 04:29.010 agentul trebuie să utilizeze site-urile lor și trebuie să proceseze imagini pe care mediul le furnizează agentului la fel cum 04:29.400 --> 04:31.590 omul ar procesa imagini. 04:31.590 --> 04:37.410 Și frumusețea acestui lucru nu este doar faptul că este mai realistă și este un fel de mai mult ca o nuanță. 04:37.410 --> 04:43.280 Vârsta este de fapt mai mult ca un om, dar ne permite să procesăm medii mult mai complexe. 04:43.380 --> 04:49.050 De exemplu, acesta este modul în care putem juca Doom sau alte jocuri de 04:49.050 --> 04:55.980 acest gen, pentru că în loc să obținem doar un vector de informație pe care cineva ar fi creat-o 04:56.080 --> 05:02.230 pentru noi în acest mediu, putem să conectăm inteligența artificială la orice mediu care, este și. 05:02.430 --> 05:08.280 Ca om când joci acest joc poți vedea exact această imagine și exact asta 05:08.760 --> 05:12.450 ar vedea acum rețeaua neurală artificială sau agentul. 05:12.540 --> 05:17.580 Deci, în această parte a cursului, când veți examina practicanții Tournelles, agentul va vedea de fapt 05:17.580 --> 05:22.890 această imagine exactă pe care o va vedea pixelilor că vor obține această imagine exactă plină 05:22.890 --> 05:28.410 de pixeli ai acestei persoane, cu această față cu acest procent cu tot ceea ce vedem aici este 05:28.410 --> 05:30.710 exact ceea ce va vedea agentul. 05:30.870 --> 05:37.470 Apoi va trebui să-l discecteze prin trăgând îngrășământ și apoi să intră într-o plasă neuronală. 05:37.650 --> 05:42.150 Și inutil să spun că rețelele neuronale sunt de fapt mult mai complexe decât asta, deci să o înlocuim cu ceva de 05:42.150 --> 05:42.780 genul asta. 05:42.780 --> 05:44.480 Acest lucru nu este mult mai complex. 05:44.520 --> 05:49.350 Acest lucru pare puțin mai complex, dar, în realitate, rețelele neuronale vor lucra și vor crea, 05:49.380 --> 05:54.140 dacă veți fi destul de interesante și vor fi mult mai complexe decât acestea. 05:54.150 --> 05:59.910 Dar, după cum puteți vedea deja aici, chiar dacă aveți doar cinci intrări și un fel de două lucruri devin mult mai 05:59.970 --> 06:04.380 complexe și aici puteți vedea că avem multe alte acțiuni pe care agentul le poate lua. 06:04.380 --> 06:10.850 Deci, în jocul doom rândul său, la stânga și la dreapta uita-te în jos uita-te la Ron reîncărca împușcat. 06:10.890 --> 06:16.290 Sau știți că toate acele acțiuni diferite care sunt posibile la prima persoană ar trebui să fie asemănătoare. 06:16.290 --> 06:19.430 Și, în plus, nu trebuie să fie că poți. 06:19.430 --> 06:23.190 Puteți atinge acest agent într-un alt tip de joc. 06:23.190 --> 06:29.940 Aceasta este frumusețea pe care o realizează atunci că poate să opereze acum orice fel de mediu pe care îl atașați pentru 06:29.940 --> 06:34.260 că, atâta timp cât există o reprezentare vizuală a mediului din acel mediu, 06:34.680 --> 06:39.940 el a primit deja întreaga infrastructură pe care întreaga structură este gata să o proceseze acea. 06:39.960 --> 06:43.980 Deci asta este tot ceea ce înseamnă învățarea profundă a CULE-ului convoluțional. 06:43.980 --> 06:51.120 Așa că luăm chiar până la următoarea etapă în care adăugăm convulsii în Lares sau în convulsivi Lares 06:51.120 --> 06:58.980 în creierul nostru agenți acum și o facem și mai complexă și, prin urmare, ne putem plictisi cu posibilitatea de a 06:58.980 --> 07:01.260 rezolva și mai complexe provocări. 07:01.410 --> 07:06.720 Asa ca sper ca esti foarte incantat de faptul ca asta va fi intr-o sectiune epica si vom crea 07:06.720 --> 07:10.460 cateva lucruri uimitoare si nu pot astepta sa te vad in urmatorul tutorial. 07:10.480 --> 07:12.130 Și până atunci să vă bucurați de AI.