WEBVTT 00:00.930 --> 00:03.970 Bonjour et bienvenue au cours sur l'intelligence artificielle. 00:03.990 --> 00:08.480 Nous avons donc parlé de l'équation de Belman et analysé notre petit labyrinthe. 00:08.520 --> 00:11.100 Regardons le plan. 00:11.100 --> 00:12.400 Quel est le plan. 00:12.750 --> 00:14.650 Eh bien voici notre analyse principale. 00:14.670 --> 00:20.970 Et nous savons que nous pouvons voir réellement les états, les valeurs de chaque état, nous pouvons voir quelle 00:20.970 --> 00:23.310 est la valeur d'être dans chaque état. 00:23.400 --> 00:27.810 Par conséquent, l'IA peut ou l'agent peut naviguer dans ce labyrinthe. 00:27.840 --> 00:28.770 Alors, quel est le plan. 00:28.770 --> 00:35.640 Bien, le plan est simplement comme une carte au trésor pour l’intelligence artificielle au lieu de regarder ces valeurs qui 00:35.730 --> 00:41.420 ne les remplacent que par des flèches qui indiquent dans quelle direction l’agent doit aller. 00:41.490 --> 00:43.360 À cause de ceux-ci, car il connaît ces valeurs. 00:43.350 --> 00:47.230 Donc, un scénario idéal après avoir exploré cet environnement. 00:47.250 --> 00:50.860 Il connaît la valeur d'être dans chaque état et vous pouvez donc créer cette carte. 00:50.870 --> 00:52.330 Alors regardons encore. 00:52.380 --> 00:58.410 Nous savons que vos valeurs sont une, donc si vous êtes ici parmi les deux, le meilleur est celui-ci. Une fois que 00:58.830 --> 01:02.010 vous arrivez à partir d'ici, celui-ci est meilleur, celui-ci est meilleur. 01:02.010 --> 01:02.750 Celui-ci est meilleur. 01:02.760 --> 01:04.740 Ou réellement à partir d'ici vous avez deux options à droite. 01:04.770 --> 01:11.130 Donc, il était un peu comme une cravate, alors choisissez-en un au hasard, cela importe peu car, dans les deux cas, la 01:11.130 --> 01:16.110 valeur est la même et même plus, même si vous regardez à travers, le même nombre d'étapes sera 01:16.110 --> 01:18.390 identique étapes pour arriver à la fin. 01:18.690 --> 01:22.520 De là, vous avez trois options, mais celle-ci est la meilleure valeur à partir de là. 01:22.530 --> 01:24.360 Celui-ci est une meilleure valeur à partir d'ici. 01:24.360 --> 01:29.380 Évidemment, c'était un meilleur rapport qualité-prix, car vous savez que vous obtenez tout de suite moins une récompense. 01:29.590 --> 01:35.250 Et à partir de là, vous en avez comme trois, mais celui-ci est le meilleur de la meilleure valeur de l'État. 01:35.400 --> 01:41.190 Et donc donc si nous les remplaçons par des flèches, il est logique que c’est la façon dont l’agent irait s’il joue ici 01:41.200 --> 01:44.570 ou résout pour une raison quelconque, il se retrouve dans cette case. 01:44.580 --> 01:46.070 Il sait comment sortir d'ici. 01:46.280 --> 01:48.980 Les étoiles et cette place savent comment s'y rendre et ainsi de suite. 01:48.980 --> 01:51.440 C'est donc ce qu'est un plan. 01:51.440 --> 01:56.850 Et ne confondez pas plan avec politique, car nous allons parler de politiques pour 01:56.850 --> 02:01.660 l’Iran, mais elles ont une petite astuce car l’environnement sera un peu 02:01.670 --> 02:02.380 différent. 02:02.420 --> 02:07.560 Cela va être stochastique et c'est ce dont nous allons parler dans le prochain tutoriel. 02:07.910 --> 02:10.000 Alors Conway à toi pour le prochain. 02:10.020 --> 02:12.060 Et jusque-là profiter.