WEBVTT

00:01.050 --> 00:03.770
Ciao e bentornati al corso sull'intelligenza artificiale.

00:03.810 --> 00:08.280
E oggi parliamo di Mark dei processi decisionali o M. D. Diamo un'occhiata a quello che abbiamo oggi.

00:08.760 --> 00:11.120
Quindi l'ultima volta ci siamo fermati sul concetto di una mappa.

00:11.430 --> 00:14.060
Quindi, poiché abbiamo calcolato i valori

00:14.070 --> 00:19.980
basati sull'equazione di Belman, possiamo ricavare questa mappa per il nostro agente in questo labirinto.

00:20.010 --> 00:21.060
E in pratica quello che significa è ovunque l'ange che un agente inizia diciamo che inizia da laggiù.

00:21.240 --> 00:27.570
Sa esattamente quali passi prendere per arrivare al traguardo, quindi va su bene.

00:27.570 --> 00:33.270
Giusto e fatto.

00:33.270 --> 00:35.040
E quindi la domanda qui è che.

00:35.070 --> 00:37.540
È davvero così semplice.

00:37.590 --> 00:39.780
L'apprendimento di rinforzo è davvero quello che sai per la mancanza di una parola migliore noiosa.

00:39.780 --> 00:44.690
È sì.

00:44.790 --> 00:46.420
Una volta che hai la matematica è tutto quello che devi fare è che hai fatto solo pieno di loro.

00:46.440 --> 00:50.830
Bene, la realtà è che in realtà non è così semplice.

00:51.090 --> 00:55.460
E questa è una buona cosa perché rende questo corso

00:55.500 --> 01:01.020
più interessante per noi e in realtà possiamo risolvere problemi molto più complessi.

01:01.020 --> 01:02.610
Quindi è qui che sta arrivando un marchio di un processo.

01:02.610 --> 01:05.460
Ma prima parleremo di due cose.

01:05.490 --> 01:07.770
Siamo nella ricerca deterministica contro la ricerca non deterministica.

01:07.760 --> 01:11.450
Parliamo quindi del concetto di ricerca deterministica.

01:11.700 --> 01:14.750
Questo è il nostro agente nel labirinto e la

01:14.820 --> 01:21.570
ricerca deterministica significa che se l'agente decide di salire, ciò che accadrà è il 100% di probabilità che salirà.

01:21.570 --> 01:26.980
Questo è esattamente ciò che accadrà.

01:27.030 --> 01:28.700
Non ci sono altre opzioni.

01:28.700 --> 01:29.740
Una volta che dice "vai su" o fai clic sulla freccia su, salirà.

01:29.740 --> 01:33.690
Non ci sono altre opzioni.

01:33.690 --> 01:35.070
D'altra parte, la ricerca non deterministica è quando il nostro agente dice che vuole salire.

01:35.250 --> 01:41.950
Sono in realtà un paio di opzioni.

01:42.130 --> 01:44.430
Per esempio ci potrebbero essere tre opzioni

01:44.460 --> 01:48.820
e daremo un esempio in cui ci sono tre opzioni ma non deve essere

01:48.830 --> 01:53.400
un limite a tre prima che possa essere diverso a seconda che dipenda dal problema

01:53.400 --> 01:59.640
che la casualità potrebbe essere diversa ma nel nostro caso potrebbero essere tre opzioni con l'80% di possibilità di salire.

01:59.640 --> 02:01.640
Ma poi con una probabilità del 10% quando vuole salire, in realtà andrà a sinistra solo perché.

02:01.860 --> 02:07.500
Perché è così che funziona l'ambiente che è il mondo in cui vive.

02:07.500 --> 02:11.080
E con un altro check in una probabilità del 10% che in realtà andrà a destra.

02:11.430 --> 02:14.840
E in questo caso cadrà nel pozzo nero.

02:14.880 --> 02:17.770
Ecco come funziona.

02:17.850 --> 02:20.730
qual è il punto di questo è di

02:20.760 --> 02:26.760
creare un modello più realistico di ciò che potrebbe realmente accadere in un mondo reale in

02:26.760 --> 02:35.370
un tipo di problema reale, perché molto raramente si verificano situazioni come questa quando fai qualcosa e succede esattamente in quel modo.

02:35.370 --> 02:40.560
Questo è un esempio di ricerca sicura non deterministica di un processo stocastico e

02:40.560 --> 02:41.390
E anche se ci pensi in termini di giochi, diciamo che hai un agente che gioca a Pac-Man.

02:41.520 --> 02:46.560
Beh, non è sempre il caso che se sta in piedi nella piazza si alza.

02:46.740 --> 02:51.270
Otterrà sempre lo stesso risultato esatto.

02:51.360 --> 02:54.260
Beh, salirà davvero, ma in un caso potrebbe non essere mangiato da un fantasma in entrambi i casi.

02:54.460 --> 02:59.820
Sarà mangiato da un fantasma.

02:59.820 --> 03:01.570
Quindi, come puoi vedere, c'è una certa

03:01.590 --> 03:05.970
casualità perché dipende da come i fantasmi si muovono e non si muovono sempre allo stesso modo.

03:05.970 --> 03:07.350
Non iniziano sempre nelle stesse posizioni.

03:07.350 --> 03:09.370
Quindi è logico che ci

03:09.510 --> 03:16.140
sia un po 'di casualità in qualcosa che non è sotto il controllo dell'agente e questo

03:16.140 --> 03:21.810
è solo un modo per noi di presentarlo per imparare come possiamo affrontarlo e

03:21.810 --> 03:27.240
come ciò influenza un'equazione di Belman come influenza l'intero processo di apprendimento del rinforzo.

03:27.240 --> 03:29.010
destra o alla temp e andare a sinistra

03:29.070 --> 03:33.780
o se si scende al 10% di probabilità si va a destra oa sinistra o si ' C'è una probabilità del 10

03:33.780 --> 03:38.400
percento di aumentare o diminuire il limite di dove si andrà a finire a volte si potrebbe avere un problema che è esattamente.

03:38.400 --> 03:42.840
Ma allo stesso tempo la casualità non è limitata a se si sale, c'è una probabilità del 10% di andare a

03:42.840 --> 03:45.550
A volte le possibilità potrebbero essere diverse.

03:45.570 --> 03:47.390
A volte la casualità potrebbe ridursi a qualcos'altro che potrebbe essere riassociato come in questo esempio.

03:47.430 --> 03:52.990
I fantasmi di Pacman che mangiano non ti stanno mangiando o potrebbero ridursi a qualcosa di diverso.

03:52.980 --> 03:58.890
Per esempio, come c'è se l'agente sta giocando a Doom e poi c'è qualcosa

03:58.890 --> 04:05.550
come un mostro che gli sparerà in un caso e in altri casi è come

04:05.700 --> 04:11.040
se ci fosse una probabilità se tutti dovessimo spararci e non sparassero.

04:11.060 --> 04:14.380
E così e così qualcosa che è fuori dal controllo degli agenti è qualcosa che non posso prevedere.

04:14.550 --> 04:19.710
Questo è ciò che stiamo modellando qui nella ricerca non deterministica e questo

04:19.710 --> 04:25.740
è il punto in cui abbiamo direttamente affrontato due nuovi concetti, un marchio di processi e

04:25.950 --> 04:32.780
/ o un marchio di processo e un segno distintivo del processo decisionale, quindi diamo un'occhiata a questi.

04:32.790 --> 04:34.130
E sai quanto non mi piace mettere le definizioni e molto testo sul lato.

04:34.150 --> 04:39.080
Ma in questo caso è necessario per noi attraversarlo.

04:39.090 --> 04:42.280
Diamo un'occhiata a un processo stocastico che ha un marchio di proprietà.

04:42.280 --> 04:46.220
Se la distribuzione condizionata della probabilità degli stati futuri del processo è condizionata e

04:46.240 --> 04:51.750
lo stato passato e presente dipende solo dallo stato presente e non dalla sequenza di eventi che lo hanno preceduto.

04:51.750 --> 04:58.200
Un processo con questa proprietà è chiamato un marcatore.

04:58.230 --> 05:00.410
Una definizione molto complessa e un

05:01.040 --> 05:06.470
po 'come se si introducesse un po' non solo si contraddice ma si sente come se

05:06.470 --> 05:11.110
si contraddica, quindi è condizionale per una presenza positiva che dipende dal punto.

05:11.110 --> 05:11.450
Ma allo stesso tempo dipende solo dallo stato attuale.

05:11.480 --> 05:14.450
Quindi non impantanarti.

05:14.510 --> 05:17.510
Scoprirò in termini semplici quindi un marchio di proprietà è quando il tuo futuro afferma.

05:17.670 --> 05:23.050
Quindi non solo la tua scelta ma il tutto.

05:23.060 --> 05:25.310
La tua scelta e l'ambiente che

05:25.310 --> 05:31.640
apprezzeranno solo i risultati di tutte le azioni intraprese in quell'ambiente dipenderanno solo da dove ti trovi ora.

05:31.640 --> 05:33.900
Non dipenderà da come sei arrivato.

05:33.920 --> 05:35.770
E questo è tutto.

05:36.110 --> 05:36.560
Quindi questa è una questione di pubblico e un processo che ha questa proprietà è chiamato processo di mercato.

05:36.560 --> 05:40.630
Quindi, per esempio, se il tuo agente

05:40.880 --> 05:47.570
è qui e se va se decide di salire potrebbe andare.

05:47.570 --> 05:48.030
Nel nostro caso, nel nostro esempio di ricerca non deterministico, potrebbe effettivamente andare a destra e a sinistra.

05:48.040 --> 05:52.940
Tutto ok.

05:53.000 --> 05:53.680
Questo perché

05:53.690 --> 05:58.940
abbiamo quel bastone in questa città all'interno del nostro ambiente che abbiamo quella casualità nel nostro ambiente.

05:58.940 --> 05:59.710
Quindi una di queste cose potrebbe accadere.

05:59.810 --> 06:01.820
Ma la chiave qui è che questo è un punto di svolta perché non ci interessa come sei arrivato qui.

06:01.820 --> 06:07.250
Avrebbe potuto venire dalla cima finendo qui avrebbe potuto venire da sinistra e che

06:07.250 --> 06:10.700
qui si poteva venire dal basso e finire qui.

06:10.700 --> 06:12.370
Avrebbe potuto giocare a fare un giro qui come 100000 volte e poi arrivare qui.

06:12.380 --> 06:16.640
Non importa cosa sia successo prima, solo ciò che conta è in che stato si trova ora.

06:16.700 --> 06:22.490
E così le probabilità di andare a sinistra oa destra

06:22.520 --> 06:31.160
o in alto saranno sempre le stesse se lui è in questo stato ora.

06:31.160 --> 06:32.250
E quindi questo è fondamentalmente solo dicendo che non importa quello che è successo prima che siamo qui ora.

06:32.690 --> 06:37.530
Questo è lo stato in cui ti trovi.

06:37.640 --> 06:39.150
E non dimenticare che lo stato non significa solo dove si trova.

06:39.200 --> 06:42.320
destra o mostri a sinistra o sai che il

06:42.320 --> 06:48.140
fantasma proviene da una parte superiore o inferiore dello stato in cui ti trovi ora .

06:48.140 --> 06:53.030
Lo stato è lo stato di tutto l'agente nell'ambiente, quindi ci sono mostri a

06:53.090 --> 06:54.530
Non importa come ci sei

06:54.560 --> 06:58.460
arrivato, non importa come e come sia venuto fuori che sei lì in quello stato.

06:58.460 --> 06:58.790
Ora quello che accadrà in futuro è determinato solo dallo stato in cui ti trovi ora.

06:58.790 --> 07:02.990
Inoltre, le azioni che porterai loro oltre naturalmente alla casualità che viene sovrapposta a quella.

07:02.990 --> 07:07.440
Quindi questo è un marchio di processo e un processo decisionale del marcatore o un processo decisionale su MVP o marcatore.

07:07.460 --> 07:14.280
Fornire un quadro matematico per la modellizzazione del processo decisionale in situazioni in cui

07:14.390 --> 07:20.390
i risultati sono parzialmente casuali e in parte sotto controllo sul processo decisionale.

07:20.420 --> 07:23.430
È così importante capire che il marchio dei processi del

07:23.570 --> 07:29.120
processo decisionale è diverso e il marchio di un intero concetto di processo è al centro del processo.

07:29.150 --> 07:32.210
Ci sono come un quadro matematico così.

07:32.340 --> 07:34.810
Ma allo stesso tempo pensavo che fosse

07:34.970 --> 07:39.080
importante per noi capire che cos'è un marchio di processo perché penso

07:39.170 --> 07:45.140
che aiuti ancora a capire il marchio del processo decisionale e quindi c'è un segno del processo decisionale.

07:45.200 --> 07:46.130
il controllo come lui

07:46.230 --> 07:50.950
in precedenza e ha il pieno controllo di ciò che sta succedendo, ma ora ha un po 'meno controllo.

07:51.290 --> 07:56.570
Questo è esattamente ciò di cui abbiamo discusso fino ad ora in modo che l'agente viva in questo ambiente dove ha

07:56.570 --> 07:57.530
Può decidere di salire ma in realtà lo sa.

07:57.590 --> 08:00.270
Ok, quindi se salgo c'è un'ape probabile che

08:00.290 --> 08:05.570
salirò su questi tentativi e le possibilità andranno a sinistra e la possibilità andrà a posto.

08:05.560 --> 08:06.170
Quindi non tutto è completamente sotto il suo controllo.

08:06.170 --> 08:08.930
C'è un po 'di casualità in questo ambiente

08:08.930 --> 08:13.280
e questo è esattamente ciò che un processo decisionale e il processo

08:13.280 --> 08:18.830
decisionale di Markov sono il quadro che l'agente userà per capire cosa fare in questo ambiente.

08:18.830 --> 08:19.400
Quindi abbiamo un ambiente con una certa tossicità, un po 'di casualità.

08:19.400 --> 08:22.400
E ora l'agente deve scegliere, ad esempio, di andare in alto a sinistra oa destra.

08:22.550 --> 08:27.000
Deve prendere quella decisione.

08:27.370 --> 08:28.530
Lui non sa cosa fare.

08:28.520 --> 08:29.820
E per fare in

08:30.140 --> 08:36.200
modo che questa decisione applichi un framework, verrà utilizzato un processo decisionale per prendere quella decisione su cosa succederà dove andrà.

08:36.200 --> 08:40.960
processo decisionale, quindi è il framework che l'agente usa nello stesso momento

08:40.970 --> 08:47.600
in cui l'ambiente viene riferito che l'agente sta operando in un ambiente di processo decisionale di mercato.

08:47.600 --> 08:52.820
E così fondamentalmente questo ambiente che pone questo problema si riferisce al processo del

08:52.820 --> 08:55.810
E quindi fondamentalmente qui abbiamo due concetti che abbiamo il

08:56.280 --> 09:01.190
marchio di processo è il modo in cui questo ambiente è progettato che l'AP fa il lavoro.

09:01.190 --> 09:03.740
Quello che succede da dove sei ora non dipende dal passato.

09:03.770 --> 09:07.020
E nello stesso tempo abbiamo il marchio del processo decisionale

09:07.130 --> 09:11.240
è il quadro che l'agente sta per utilizzare per risolvere questo ambiente.

09:11.240 --> 09:13.630
E la buona notizia è che il marchio del processo decisionale o di

09:13.970 --> 09:18.830
quella struttura di cui stiamo parlando è in realtà solo un'aggiunta alla nostra domanda sull'equazione di Belman è l'equazione di Belman, ma solo un po 'più sofisticata.

09:18.830 --> 09:24.730
Quindi diamo un'occhiata a questo.

09:24.740 --> 09:26.960
Questa è la nostra equazione di Belman finora.

09:27.050 --> 09:28.910
È il massimo di tutte le azioni possibili.

09:29.030 --> 09:31.030
Quindi il valore di essere in uno

09:31.040 --> 09:35.150
stato è il massimo di tutte le azioni possibili che puoi prendere da quello stato.

09:35.150 --> 09:35.990
Il massimo è preso

09:36.260 --> 09:41.930
dalla ricompensa che otterresti prendendo quell'azione in quello stato più un fattore di sconto moltiplicato per il valore dello stato successivo che è primo.

09:41.930 --> 09:45.410
Quindi questo è quello che abbiamo avuto finora.

09:45.410 --> 09:47.390
Ora, poiché abbiamo un po 'di

09:47.400 --> 09:52.550
casualità nel nostro intero processo, questa parte cambierà perché non sappiamo in realtà a quale

09:52.550 --> 09:57.620
stato finirà e non sappiamo che cosa sarà il primo sarà se saliremo sarà

09:57.630 --> 10:03.680
su o sarà lasciato sarà giusto quindi dobbiamo posizionare questo con il valore atteso della prossima data.

10:03.680 --> 10:04.960
Quindi qui stiamo andando a sostituire questo, quindi ci sono tre possibili stati in cui possiamo finire.

10:04.970 --> 10:08.810
E quindi sostituiremo questo con un certo valore che lo stato ha un valore di primo livello.

10:08.810 --> 10:15.480
Che ha una visione di primo ad innescare.

10:15.520 --> 10:18.190
E questo stato ha il valore di noi tre Bryne.

10:18.470 --> 10:22.490
Quindi ora moltiplicheremo lo stato in cui intendiamo effettivamente arrivare all'80 percento

10:22.640 --> 10:28.790
perché è così che la probabilità di arrivare a quello stato più la probabilità di arrivare a questo stato

10:28.790 --> 10:33.770
è del 10 percento più le persone che entrano nello stato Quindi questo è solo

10:33.770 --> 10:39.800
il nostro valore atteso, quindi se dalle statistiche se prendiamo il valore atteso di entrare nello stato in cui

10:39.800 --> 10:46.880
entreremo in questi sono un po 'come la media Qual è la media di ciò che otterremo e poi la sostituiremo qui.

10:47.060 --> 10:52.040
Poi otteniamo quest'aggressione e salta molto velocemente solo perché ce n'è una grande, ma se

10:52.040 --> 10:56.210
la guardi attentamente vedrai la stessa cosa di Max qui Max qui.

10:56.210 --> 10:59.930
Allora hai R di S e A R di S e loro hai gamma hai gamma.

10:59.960 --> 11:06.340
E poi finalmente qui hai v.

11:06.410 --> 11:08.600
Quindi sapevi esattamente che era una ricerca deterministica che sapevi in ​​quali stati entrerai.

11:08.630 --> 11:13.640
Ora non sai in quale stato ti trovi da quando hai preso V.

11:13.640 --> 11:16.120
Stai prendendo il valore atteso dello stato in

11:16.120 --> 11:23.300
cui ti trovi o dello stato futuro o semplicemente in termini più semplici stai solo prendendo la media di ciò che stai per ottenere.

11:23.300 --> 11:25.920
Quindi sai come è stato per il

11:26.060 --> 11:32.450
30 più il 3% di possibilità che sarà come il divario di Plus per tre in pratica.

11:32.590 --> 11:32.900
Ma in questo caso non è esattamente la media della media.

11:32.900 --> 11:37.130
È una media ponderata a causa delle probabilità qui.

11:37.130 --> 11:40.410
Quindi qui ne hai la probabilità quando sei in questa

11:40.430 --> 11:45.980
fase per compiere questa azione di entrare in stato di prima serata nel valore di s prime

11:46.040 --> 11:50.630
e in alcuni di attraversare tutti questi primati che potresti ottenere in chi siamo.

11:50.630 --> 11:51.830
Quindi esattamente quello che avevamo tre qui uno due tre.

11:51.830 --> 11:54.690
Aggiungili moltiplicati questi li sommano.

11:54.890 --> 11:57.330
Anch'io.

11:57.330 --> 11:58.040
Uno due tre.

11:58.040 --> 11:58.820
Moltiplicali per le probabilità e aggiungili.

11:58.820 --> 12:01.660
E questa è la tua nuova equazione di Belman.

12:02.090 --> 12:05.180
Complimenti.

12:05.180 --> 12:06.440
Questo è ciò con cui lavoreremo andando avanti.

12:06.470 --> 12:08.990
E questa è la struttura che

12:09.140 --> 12:15.590
viene utilizzata nei processi decisionali, quindi questa è la struttura che risolve questo problema.

12:15.590 --> 12:16.490
Quegli agenti erano

12:16.620 --> 12:22.670
soliti risolvere questo intero problema stocastico di ricerca non deterministica in cui si verificano eventi casuali che non possono controllare.

12:22.670 --> 12:25.460
Quindi è molto più complesso.

12:25.460 --> 12:26.920
Ma come puoi vedere perché ci siamo costruiti lentamente.

12:26.930 --> 12:30.150
Ora sappiamo già di ciò che sappiamo.

12:30.290 --> 12:33.120
C'è preoccupazione per questo.

12:33.130 --> 12:35.090
Sappiamo di questo.

12:35.090 --> 12:36.160
Sappiamo cosa sono.

12:36.170 --> 12:36.710
Quindi tutto ciò

12:36.710 --> 12:42.500
che abbiamo fatto è che abbiamo appena presentato questa parte qui perché ci sono probabilità implicate nell'azione o le conseguenze della vostra azione su non deterministiche sono basate sulle probabilità.

12:42.920 --> 12:49.000
E così ci siamo.

12:49.220 --> 12:50.600
Ecco come funziona un marker del processo decisionale e l'equazione sottostante.

12:50.600 --> 12:58.280
Ancora una volta è qualcosa che assomiglia più a qualcosa di simile ai problemi del mondo

12:58.330 --> 13:04.630
reale, a Sinatra o persino a scenari di gioco perché non tutto è semplice.

13:04.670 --> 13:08.690
C'è una certa casualità di tutti i soggetti coinvolti

13:08.690 --> 13:15.880
e non sempre intraprenderemo un'azione in un certo stato, ma sempre Nawal porterà sempre allo stesso risultato.

13:15.870 --> 13:18.810
E quindi questo è ciò che avremo a che

13:18.890 --> 13:23.150
fare con l'andare avanti e questo renderà le cose molto più interessanti.

13:23.150 --> 13:24.310
Quindi spero che tu sia entusiasta di questo ed entusiasta di vedere cosa succederà dopo.

13:24.380 --> 13:29.290
E nel frattempo ho trovato un documento davvero interessante da darti un'occhiata in questo momento.

13:29.690 --> 13:35.870
È una carta molto applicata.

13:35.870 --> 13:37.460
Quindi questo è davvero molto interessante da leggere.

13:37.460 --> 13:40.150
Si chiama un'indagine sulle applicazioni del

13:40.160 --> 13:46.810
processo dei processi decisionali di Mark ed è stata scritta da White nel 1993.

13:46.820 --> 13:47.970
C'è il link e

13:47.990 --> 13:56.000
Ill vi mostrerò esempi di dove i processi decisionali di Markov sono effettivamente usati per modellare la vera vita Sinatras. Penso di esserne molto entusiasta.

13:56.000 --> 13:59.560
Sono rimasto impressionato da alcuni esempi di raccolta della popolazione, ad esempio.

13:59.560 --> 14:03.880
Quindi diciamo che hai un po 'di pesce e sai qual è la

14:03.880 --> 14:09.290
popolazione di pesci di cui hai bisogno per decidere quanti pesci possiamo pescare quest'anno e cosa.

14:09.290 --> 14:12.910
Quindi questo è il tuo stato attuale.

14:13.250 --> 14:14.330
Questa è l'azione che stai prendendo. Quanti possiamo aver sparato quest'anno?

14:14.330 --> 14:17.220
Quindi quali sono i possibili risultati.

14:17.230 --> 14:20.420
Quanti pesci avremo l'anno prossimo?

14:20.540 --> 14:22.100
Quanti pesci avremo l'anno dopo e l'anno dopo e così via.

14:22.160 --> 14:25.210
E non è deterministico perché non è come se lo prendessi a un'ora

14:25.250 --> 14:30.230
e il 90 percento della popolazione l'anno prossimo che ti farai sapere al 100 percento non non è esattamente sermonizzante.

14:30.230 --> 14:34.640
Ci sono alcuni fattori casuali coinvolti che sono fuori dal nostro

14:34.640 --> 14:39.590
controllo e quindi dobbiamo capire cosa succederà che dobbiamo modellare cosa succederà

14:39.760 --> 14:43.640
che è dove una decisione di mercato elabora l'agricoltura.

14:43.860 --> 14:46.060
C'è un esempio come qualcosa come

14:46.070 --> 14:50.250
la raccolta delle colture quante colture raccogliamo quanti soldi non vendiamo.

14:50.280 --> 14:51.440
sotto il suo controllo.

14:51.470 --> 14:58.190
Un altro che ho considerato finanza e investimenti come una compagnia di assicurazioni deve decidere quanta parte dei suoi

14:58.190 --> 15:04.990
fondi investirà in qualsiasi giorno o anno, o qualche periodo di tempo, e ci sono alcuni fattori che sono

15:05.020 --> 15:06.490
Ad esempio, conosci i

15:06.490 --> 15:11.260
movimenti del mercato, non sa cosa può succedere e quindi deve in qualche modo modellarlo.

15:11.260 --> 15:12.070
Un marchio di processi decisionali utilizzati per questo.

15:12.110 --> 15:14.350
Quindi qui puoi vedere un sacco di esempi.

15:14.350 --> 15:16.890
E questo è il numero di esempi dati che penso per ognuno.

15:16.900 --> 15:20.340
e manutenzione e riparazione sono anche molto interessanti.

15:20.650 --> 15:28.030
E così anche gli esempi sportivi per sport ed epidemie e le ispezioni di reclami dell'assicurazione auto

15:28.090 --> 15:31.030
Dai un'occhiata a quello.

15:31.030 --> 15:31.900
Solo per

15:31.930 --> 15:40.390
darti una comprensione di hey, questo non è tutto roba inventata come tipo The Matrix.

15:40.390 --> 15:41.130
Questo è in realtà

15:41.140 --> 15:45.580
lo scenario del mondo reale quindi ti darò una migliore comprensione e questo è ciò di cui abbiamo parlato nel video promozionale per

15:45.580 --> 15:50.410
i punteggi o la descrizione del corso che ti ispireremo e la tua intuizione di darti idee per come usare l'intelligenza artificiale nella vita reale.

15:50.410 --> 15:55.900
Questa è la tua opportunità.

15:55.900 --> 15:57.820
Guarda questo documento per capire.

15:57.820 --> 15:59.790
OK, quindi avremo a che fare con il processo decisionale in corso.

15:59.900 --> 16:02.890
È davvero bello come sono nella vita reale

16:02.890 --> 16:07.210
e questo potrebbe far scattare alcune idee su come potresti applicare

16:07.210 --> 16:13.300
in futuro per rendere il mondo un posto migliore e saremmo molto felici di questo.

16:13.300 --> 16:13.650
Saremmo felici se potessi usare ciò che apprendi in questo corso per rendere il mondo un posto migliore.

16:13.690 --> 16:18.560
Che fantastico con quello.

16:18.730 --> 16:20.050
Quindi su quella nota spero vi sia piaciuto il tutorial di oggi.

16:20.380 --> 16:23.170
Non vedo l'ora Ci vediamo la prossima volta.

16:23.170 --> 16:24.540
E fino ad allora goditi l'intelligenza artificiale.

16:24.610 --> 16:26.420