WEBVTT

00:01.050 --> 00:03.770
Olá e bem-vindo de volta ao curso sobre inteligência artificial.

00:03.810 --> 00:08.280
E hoje estamos falando de Mark dos processos de decisão ou M. D. Vejamos o que temos hoje.

00:08.760 --> 00:11.120
Então, da última vez que paramos no conceito de um mapa.

00:11.430 --> 00:14.060
Então, porque calculamos os valores com

00:14.070 --> 00:19.980
base na equação de Belman, podemos derivar esse mapa para o nosso agente neste labirinto.

00:20.010 --> 00:21.060
E, basicamente, o que isso significa é onde quer que o ange que um agente comece, vamos dizer que começa por lá.

00:21.240 --> 00:27.570
Sabe exatamente quais os passos a seguir para chegar à linha de chegada, então ele sobe bem à direita.

00:27.570 --> 00:33.270
Direito e feito.

00:33.270 --> 00:35.040
E então a questão aqui é que é isso.

00:35.070 --> 00:37.540
É realmente assim tão simples.

00:37.590 --> 00:39.780
O reforço é realmente a aprendizagem que você conhece pela falta de uma palavra melhor aborrecida.

00:39.780 --> 00:44.690
É sim sim.

00:44.790 --> 00:46.420
Uma vez que você tenha a matemática, é tudo o que você precisa fazer se você tiver feito isso cheio deles.

00:46.440 --> 00:50.830
Bem, a realidade é que na verdade não é tão simples.

00:51.090 --> 00:55.460
E isso é bom porque torna este curso mais

00:55.500 --> 01:01.020
interessante para nós e podemos realmente resolver problemas muito mais complexos.

01:01.020 --> 01:02.610
Então, é aqui que uma marca de um processo está chegando.

01:02.610 --> 01:05.460
Mas primeiro vamos falar sobre duas coisas.

01:05.490 --> 01:07.770
Estamos em busca determinística versus pesquisa não determinística.

01:07.760 --> 01:11.450
Então, vamos falar sobre o conceito de pesquisa determinista.

01:11.700 --> 01:14.750
Este é o nosso agente no labirinto e a

01:14.820 --> 01:21.570
busca determinista significa que, se o agente decidir subir, o que acontecerá será 100 por cento de probabilidade, ele vai subir.

01:21.570 --> 01:26.980
Isso é exatamente o que acontecerá.

01:27.030 --> 01:28.700
Não há outras opções.

01:28.700 --> 01:29.740
Uma vez que uma vez diz, vá para cima ou clique na seta para cima que vai subir.

01:29.740 --> 01:33.690
Não há outras opções.

01:33.690 --> 01:35.070
Agora, por outro lado, a busca não determinista é quando nosso agente diz que quer subir.

01:35.250 --> 01:41.950
Na verdade, são algumas das opções.

01:42.130 --> 01:44.430
Por exemplo, pode haver três opções e

01:44.460 --> 01:48.820
vamos procurar um exemplo onde existem três opções, mas não precisa ser um

01:48.830 --> 01:53.400
limite para três antes de poder ser diferente, dependendo do problema, a aleatoriedade pode

01:53.400 --> 01:59.640
ser diferente, mas no nosso caso, poderia ser três opções com 80 por cento de chance de ele subir.

01:59.640 --> 02:01.640
Mas então, com uma chance de 10 por cento, quando quiser subir, ele vai realmente para a esquerda apenas porque.

02:01.860 --> 02:07.500
Porque é assim que o ambiente funciona, é o mundo em que ele mora.

02:07.500 --> 02:11.080
E com outro cheque em 10 por cento de chance, ele realmente vai para a direita.

02:11.430 --> 02:14.840
E neste caso ele vai cair no foguete.

02:14.880 --> 02:17.770
Então é assim que tudo funciona.

02:17.850 --> 02:20.730
estocástico e qual é o objetivo de

02:20.760 --> 02:26.760
fazer um modelo mais realista do que realmente poderia acontecer no mundo real em um

02:26.760 --> 02:35.370
tipo de problema do mundo real, porque raramente você consegue situações como essa quando você faz alguma coisa e acontece exatamente dessa maneira.

02:35.370 --> 02:40.560
Esse é um exemplo de uma pesquisa não determinística certeza de um processo

02:40.560 --> 02:41.390
E mesmo se você pensa sobre isso em termos de jogos, digamos que você tenha um agente jogando Pac-Man.

02:41.520 --> 02:46.560
Bem, nem sempre é o caso que, se ele estiver na praça, ele sobe.

02:46.740 --> 02:51.270
Ele terá o mesmo resultado exato sempre.

02:51.360 --> 02:54.260
Bem, ele vai subir, mas pode ser em um caso que você não será comido por um fantasma em ambos os casos.

02:54.460 --> 02:59.820
Ele será comido por um fantasma.

02:59.820 --> 03:01.570
Então, como você pode ver, há alguma

03:01.590 --> 03:05.970
aleatoriedade porque depende de como os fantasmas estão se movendo e nem sempre se movem da mesma maneira.

03:05.970 --> 03:07.350
Eles nem sempre começam nos mesmos locais.

03:07.350 --> 03:09.370
Portanto, é muito lógico que seja

03:09.510 --> 03:16.140
muito justo que haja alguma aleatoriedade, há algo que não está sob o controle do agente e é isso, é

03:16.140 --> 03:21.810
apenas uma maneira de apresentar isso para que possamos aprender como podemos lidar com isso e como

03:21.810 --> 03:27.240
que afeta uma equação de Belman como ela afeta todo o processo de aprendizagem de reforço.

03:27.240 --> 03:29.010
para a direita ou temp e simplesmente ir para

03:29.070 --> 03:33.780
a esquerda ou se você derrubar até 10 por cento de chances de ir direto ou à esquerda ou você ' Está certo, há uma

03:33.780 --> 03:38.400
chance de 10 por cento, subida ou baixa, sutil, limitada a onde você vai acabar, às vezes você pode ter um problema que é exatamente.

03:38.400 --> 03:42.840
Mas, ao mesmo tempo, a aleatoriedade é, naturalmente, não se limita a se você subir, há uma chance de 10 por cento de ir

03:42.840 --> 03:45.550
Às vezes, as possibilidades podem ser diferentes.

03:45.570 --> 03:47.390
Às vezes, a aleatoriedade pode se resumir a outra coisa que pode ser reduzido como esse exemplo.

03:47.430 --> 03:52.990
Os fantasmas de Pacman que comem você não estão comendo você ou podem se resumir a algo diferente.

03:52.980 --> 03:58.890
Por exemplo, como existe, existe como se o agente estivesse jogando Doom e depois

03:58.890 --> 04:05.550
algo como um monstro que o atira em um caso e outros casos, há como se

04:05.700 --> 04:11.040
houvesse uma probabilidade se todos nós devêssemos disparar e nós não receberíamos tiro.

04:11.060 --> 04:14.380
E, portanto, algo que está fora do controle dos agentes é algo que não consigo prever.

04:14.550 --> 04:19.710
Isso é o que estamos modelando aqui na busca não determinista e é

04:19.710 --> 04:25.740
aqui que abordamos diretamente dois novos conceitos, uma marca de processos e / ou uma

04:25.950 --> 04:32.780
marca de processo e um marcador de processo de decisão, então vamos dar uma olhada nestes.

04:32.790 --> 04:34.130
E você sabe o quanto eu não gosto de colocar definições e muito texto ao lado.

04:34.150 --> 04:39.080
Mas neste caso, é necessário que passemos por isso.

04:39.090 --> 04:42.280
Então, vamos dar uma olhada em um processo estocástico tem uma marca de propriedade.

04:42.280 --> 04:46.220
Se a distribuição de probabilidade condicional de estados futuros do processo condicional e

04:46.240 --> 04:51.750
estado passado e presente depende apenas do estado atual não na sequência de eventos que o precederam.

04:51.750 --> 04:58.200
Um processo com esta propriedade é chamado de marcador.

04:58.230 --> 05:00.410
Uma definição muito complexa e, assim

05:01.040 --> 05:06.470
como você, introduz um pouco, não só se contradiz, mas parece que isso se contradiz, por

05:06.470 --> 05:11.110
isso é condicional à presença positiva que depende do seu ponto de vista.

05:11.110 --> 05:11.450
Mas, ao mesmo tempo, só depende do estado atual.

05:11.480 --> 05:14.450
Então não fique tão atolado nisso.

05:14.510 --> 05:17.510
Eu vou dividi-lo em termos simples, então uma marca de propriedade é quando seus estados futuros.

05:17.670 --> 05:23.050
Então não é apenas a sua escolha, mas o todo.

05:23.060 --> 05:25.310
A sua escolha e o ambiente que

05:25.310 --> 05:31.640
apenas irá gostar dos resultados de todas as ações que você realizar nesse ambiente dependerão de onde você está agora.

05:31.640 --> 05:33.900
Não dependerá de como você chegou lá.

05:33.920 --> 05:35.770
E é isso.

05:36.110 --> 05:36.560
Então, é uma questão de público e um processo que tem essa propriedade é chamado de processo de mercado.

05:36.560 --> 05:40.630
Então, coloque isso em um exemplo, então, se o

05:40.880 --> 05:47.570
seu agente estiver aqui e se ele for, se ele decidir subir, ele pode ir.

05:47.570 --> 05:48.030
Ele, no nosso caso, em nosso exemplo de pesquisa não determinista, ele realmente pode ir para a esquerda e para a direita.

05:48.040 --> 05:52.940
Tudo bem.

05:53.000 --> 05:53.680
Isso porque

05:53.690 --> 05:58.940
nós temos essa vantagem dessa cidade dentro de nosso ambiente, temos essa aleatoriedade dentro do nosso ambiente.

05:58.940 --> 05:59.710
Então, qualquer uma dessas coisas pode acontecer.

05:59.810 --> 06:01.820
Mas a chave aqui é que esta é uma marca de processo porque não nos importa como você chegou aqui.

06:01.820 --> 06:07.250
Ele poderia ter vindo do topo acabou aqui, ele poderia ter vindo da esquerda e

06:07.250 --> 06:10.700
até aqui você poderia vir do fundo e acabar aqui.

06:10.700 --> 06:12.370
Ele poderia ter como jogar um movimento aqui como 100000 vezes e depois chegou aqui.

06:12.380 --> 06:16.640
Não importa o que aconteceu antes, apenas o que importa é em que estado ele está agora.

06:16.700 --> 06:22.490
E então, as probabilidades de ir para a esquerda ou

06:22.520 --> 06:31.160
para a direita ou para cima, sempre serão as mesmas se ele estiver neste estado agora.

06:31.160 --> 06:32.250
E isso é basicamente apenas dizer que não importa o que aconteceu antes de estarmos aqui agora.

06:32.690 --> 06:37.530
Este é o estado em que você está.

06:37.640 --> 06:39.150
E não esqueça que esse estado não significa apenas onde ele está de pé.

06:39.200 --> 06:42.320
monstros à direita ou os monstros à esquerda ou você sabe

06:42.320 --> 06:48.140
que o fantasma vem de uma parte superior ou inferior, seja qual for o estado em que você está agora .

06:48.140 --> 06:53.030
O estado é o estado de toda a totalidade do agente no meio ambiente, então há como

06:53.090 --> 06:54.530
Não importa como você chegou

06:54.560 --> 06:58.460
lá não importa como e como tudo aconteceu que você está lá nesse estado.

06:58.460 --> 06:58.790
Agora, o que acontecerá no futuro só é determinado pelo estado em que você está agora.

06:58.790 --> 07:02.990
Além disso, as ações que você irá levá-las, mais, claro, a aleatoriedade que é superada em cima disso.

07:02.990 --> 07:07.440
Então, essa é uma marca de processo e um processo de decisão de marcador ou um processo de decisão MVP ou marcador.

07:07.460 --> 07:14.280
Fornecer um quadro matemático para modelar a tomada de decisões em situações em que os

07:14.390 --> 07:20.390
resultados sejam parcialmente aleatórios e em parte sob controle sobre a tomada de decisões.

07:20.420 --> 07:23.430
Tão importante entender que a marca dos processos

07:23.570 --> 07:29.120
do processo de decisão são diferentes e diferentes marcas inteiras do processo para marcar o processo.

07:29.150 --> 07:32.210
Há, assim, um quadro matemático.

07:32.340 --> 07:34.810
Mas, ao mesmo tempo, pensei que era importante

07:34.970 --> 07:39.080
para nós entendermos o que é uma marca de processo porque acho que

07:39.170 --> 07:45.140
ainda ajuda na compreensão da marca do processo de decisão e, portanto, uma marca de processo de decisão está lá.

07:45.200 --> 07:46.130
como ele anteriormente

07:46.230 --> 07:50.950
e tenha o controle total do que está acontecendo, mas agora ele tem um pouco menos controle.

07:51.290 --> 07:56.570
Isso é exatamente o que discutimos Até agora, para que o agente viva neste ambiente onde ele tenha controle

07:56.570 --> 07:57.530
Pode decidir subir, mas realmente sabe.

07:57.590 --> 08:00.270
OK, então, se eu subir, há uma chance de macacos,

08:00.290 --> 08:05.570
eu irei até as tentativas e as chances vão para a esquerda e a chance irá para a direita.

08:05.560 --> 08:06.170
Portanto, nem tudo está totalmente sob seu controle.

08:06.170 --> 08:08.930
Há alguma aleatoriedade neste ambiente e é exatamente

08:08.930 --> 08:13.280
isso que uma marca de processo de decisão e processo de decisão

08:13.280 --> 08:18.830
de Markov é a estrutura que o agente usará para entender o que fazer neste ambiente.

08:18.830 --> 08:19.400
Então, temos um ambiente com alguma toxicidade alguma aleatoriedade.

08:19.400 --> 08:22.400
E agora o agente tem que escolher, por exemplo, deve subir para a esquerda ou para a direita.

08:22.550 --> 08:27.000
Ele deve tomar essa decisão.

08:27.370 --> 08:28.530
Ele não sabe o que fazer.

08:28.520 --> 08:29.820
E para que essa decisão

08:30.140 --> 08:36.200
seja aplicada, um quadro irá usar uma marca de processo de decisão para tomar essa decisão sobre o que acontecerá onde ela vai acontecer.

08:36.200 --> 08:40.960
decisão, de modo que é a estrutura que o agente usa ao mesmo tempo

08:40.970 --> 08:47.600
em que o ambiente é referido que o agente está operando em um ambiente de processo de decisão de mercado.

08:47.600 --> 08:52.820
E, basicamente, esse ambiente que coloca este problema é referido à marca do processo de

08:52.820 --> 08:55.810
E, portanto, basicamente, aqui temos dois conceitos que temos a

08:56.280 --> 09:01.190
marca do processo, é a forma como esse ambiente é projetado que o PA faz o trabalho.

09:01.190 --> 09:03.740
O que acontece de onde você está agora não depende do passado.

09:03.770 --> 09:07.020
E na mesma hora em que temos a marca do processo

09:07.130 --> 09:11.240
de decisão é a estrutura que o agente irá usar para resolver este ambiente.

09:11.240 --> 09:13.630
E a boa notícia é que a marca do processo de decisão ou a

09:13.970 --> 09:18.830
estrutura em que estamos falando é, na verdade, apenas uma adição à nossa questão da equação de Belman é a equação de Belman, mas apenas um pouco mais sofisticada.

09:18.830 --> 09:24.730
Então vamos dar uma olhada nisso.

09:24.740 --> 09:26.960
Esta é a nossa equação de Belman até agora.

09:27.050 --> 09:28.910
É o máximo de todas as ações possíveis.

09:29.030 --> 09:31.030
Portanto, o valor de estar em um

09:31.040 --> 09:35.150
estado é o máximo de todas as ações possíveis que você pode tirar desse estado.

09:35.150 --> 09:35.990
O máximo é retirado

09:36.260 --> 09:41.930
da recompensa que você obtém ao tomar essa ação nesse estado, mais um fator de desconto, o valor do próximo estado que é o primeiro.

09:41.930 --> 09:45.410
Então foi o que tivemos até agora.

09:45.410 --> 09:47.390
Agora, porque temos alguma aleatoriedade em

09:47.400 --> 09:52.550
todo o nosso processo, esta parte mudará, porque na verdade não sabemos qual estado vai

09:52.550 --> 09:57.620
acabar e não sabemos o que é o melhor será, se houvermos, será Acima ou

09:57.630 --> 10:03.680
será deixada ficará correta, então nós realmente temos que colocar isso com o valor esperado da próxima data.

10:03.680 --> 10:04.960
Então, aqui vamos substituir isso, então há três estados possíveis nos quais podemos acabar.

10:04.970 --> 10:08.810
E então vamos substituir isso com algum valor que o estado tenha um valor como um primeiro.

10:08.810 --> 10:15.480
Que tem uma visão de como prime para prime.

10:15.520 --> 10:18.190
E este estado tem o valor de nós três Bryne.

10:18.470 --> 10:22.490
Então agora vamos multiplicar o estado em que realmente estamos pretendendo entrar em

10:22.640 --> 10:28.790
80 por cento porque é assim que a probabilidade de chegar a esse estado mais a probabilidade de chegar

10:28.790 --> 10:33.770
a esse estado é de 10 por cento mais as pessoas que entram no estado, então

10:33.770 --> 10:39.800
isso é apenas o nosso valor esperado, então, se das estatísticas se tomarmos o valor esperado de entrar no

10:39.800 --> 10:46.880
estado em que entraremos, é como a média Qual é a média do que receberemos e, em seguida, substituímos isso por aqui.

10:47.060 --> 10:52.040
Então nós conseguimos essa agressão e ela salta muito rapidamente só porque há uma grande, mas se

10:52.040 --> 10:56.210
você olhar com cuidado, você verá o mesmo sobre o Max aqui Max aqui.

10:56.210 --> 10:59.930
Então você tem r de S e A R de S e eles têm gamma que você tem gamma.

10:59.960 --> 11:06.340
E então, finalmente, você tem v.

11:06.410 --> 11:08.600
Então você sabia exatamente que era uma busca determinista que você sabia em quais estados você entrará.

11:08.630 --> 11:13.640
Agora, você não sabe em que estado você entrará desde a tomada de V.

11:13.640 --> 11:16.120
Você está tomando o valor esperado do estado

11:16.120 --> 11:23.300
em que você entrará ou do estado futuro ou apenas em termos mais simples, você está apenas tomando a média do que você vai entrar.

11:23.300 --> 11:25.920
Então, você sabe que era como

11:26.060 --> 11:32.450
por mais de 30% de chance, será como esta divisão de Plus por três, basicamente.

11:32.590 --> 11:32.900
Mas, neste caso, não é exatamente como a média média.

11:32.900 --> 11:37.130
É uma média ponderada por causa das probabilidades aqui.

11:37.130 --> 11:40.410
Então, aqui, você tem a probabilidade de isso quando você está

11:40.430 --> 11:45.980
neste estágio para tomar essa ação de entrar no estado como prime time o valor de s prime

11:46.040 --> 11:50.630
e alguns para cruzar todos esses primes que você poderia entrar em quem somos.

11:50.630 --> 11:51.830
Então exatamente o que tínhamos três aqui um dois três.

11:51.830 --> 11:54.690
Adicione-os, multiplique estes, adicione-os.

11:54.890 --> 11:57.330
O mesmo aqui.

11:57.330 --> 11:58.040
Um dois três.

11:58.040 --> 11:58.820
Multiplique-os pelas probabilidades e adicione-os.

11:58.820 --> 12:01.660
E essa é a sua nova equação de Belman.

12:02.090 --> 12:05.180
Parabéns.

12:05.180 --> 12:06.440
Isto é o que vamos trabalhar para avançar.

12:06.470 --> 12:08.990
E essa é a estrutura que

12:09.140 --> 12:15.590
é usada nos processos de decisão, de modo que é a estrutura que resolve isso.

12:15.590 --> 12:16.490
Os agentes costumavam

12:16.620 --> 12:22.670
resolver esse problema de pesquisa não determinista estocástico total onde há eventos aleatórios que estão acontecendo que não podem controlar.

12:22.670 --> 12:25.460
Então, é muito mais complexo.

12:25.460 --> 12:26.920
Mas como você pode ver porque construímos lentamente.

12:26.930 --> 12:30.150
Agora, já sabemos sobre isso que conhecemos.

12:30.290 --> 12:33.120
Há uma preocupação com isso.

12:33.130 --> 12:35.090
Nós sabemos disso.

12:35.090 --> 12:36.160
Nós sabemos o que são.

12:36.170 --> 12:36.710
Então, tudo o

12:36.710 --> 12:42.500
que fizemos é que acabamos de apresentar essa parte aqui porque existem probabilidades envolvidas na ação ou as conseqüências de sua ação em não deterministas, elas são baseadas em probabilidades.

12:42.920 --> 12:49.000
E então, vamos lá.

12:49.220 --> 12:50.600
É assim que funciona um marcador de processo de decisão e a equação subjacente por trás disso.

12:50.600 --> 12:58.280
Mais uma vez, é algo que se parece mais com os problemas reais do mundo

12:58.330 --> 13:04.630
real ou Sinatras ou mesmo cenários de jogos porque nem tudo é direto.

13:04.670 --> 13:08.690
Há alguma aleatoriedade de todos os envolvidos e nem sempre

13:08.690 --> 13:15.880
vai tomar uma ação em um determinado estado sempre Nawal nem sempre irá levar ao mesmo resultado.

13:15.870 --> 13:18.810
E assim é o que vamos tratar

13:18.890 --> 13:23.150
com a frente e isso vai tornar as coisas mais interessantes.

13:23.150 --> 13:24.310
Então, espero que você esteja entusiasmado com isso e ansioso para ver o que virá a seguir.

13:24.380 --> 13:29.290
E, entretanto, encontrei um papel muito legal para você dar uma olhada neste momento.

13:29.690 --> 13:35.870
É um papel muito aplicado.

13:35.870 --> 13:37.460
Então, este é realmente muito interessante para ler.

13:37.460 --> 13:40.150
Chama-se uma pesquisa de aplicações

13:40.160 --> 13:46.810
de Marcos de processos de decisão processo e foi escrito por branco em 1993.

13:46.820 --> 13:47.970
Há o link e

13:47.990 --> 13:56.000
eu vou mostrar-lhe exemplos de onde os processos de decisão de Markov realmente são usados ​​para modelar Sinatras da vida real. Eu acho que eu estava muito animado com isso.

13:56.000 --> 13:59.560
Fiquei impressionado com alguns exemplos de colheita populacional, por exemplo.

13:59.560 --> 14:03.880
Então, digamos que você tem algum peixe e você sabe o que a população

14:03.880 --> 14:09.290
de peixes é que você precisa para decidir quantos peixes podemos pescar este ano e o que.

14:09.290 --> 14:12.910
Então esse é o seu estado atual.

14:13.250 --> 14:14.330
Essa é a ação que você está levando Quantos nós podemos filmar neste ano.

14:14.330 --> 14:17.220
Então, quais são os possíveis resultados disso?

14:17.230 --> 14:20.420
Quantos peixes teremos no ano que vem.

14:20.540 --> 14:22.100
Quantos peixes teremos no ano seguinte e no ano seguinte e assim por diante.

14:22.160 --> 14:25.210
E não é determinista porque não é como se você demora em uma hora

14:25.250 --> 14:30.230
e 90 por cento da população no ano que vem, você saberá de volta a 100 por cento não é exatamente sermão.

14:30.230 --> 14:34.640
Existem certos fatores aleatórios envolvidos que estão fora do nosso controle e,

14:34.640 --> 14:39.590
portanto, temos que entender o que vai acontecer, temos que modelar o que

14:39.760 --> 14:43.640
acontecerá, onde é que uma decisão de mercado processa a agricultura.

14:43.860 --> 14:46.060
Há um exemplo como algo como

14:46.070 --> 14:50.250
colher colheitas quanto colhemos nós colhemos quanto dinheiro não colhemos.

14:50.280 --> 14:51.440
de seu controle.

14:51.470 --> 14:58.190
Outro que eu olhei para finanças e investimentos como uma companhia de seguros precisa decidir quanto de seus

14:58.190 --> 15:04.990
fundos irá investir em qualquer um dia ou ano ou algum período de tempo e há esses fatores são

15:05.020 --> 15:06.490
Por exemplo, você conhece os

15:06.490 --> 15:11.260
movimentos do mercado, não sabe o que pode acontecer, por isso precisa realmente modelar isso de alguma forma.

15:11.260 --> 15:12.070
Uma marca de processos de decisão utilizados para isso.

15:12.110 --> 15:14.350
Então, aqui você pode ver muitos e muitos exemplos.

15:14.350 --> 15:16.890
E este é o número de exemplos que eu penso para cada um.

15:16.900 --> 15:20.340
de automóveis e manutenção e reparos também é muito interessante.

15:20.650 --> 15:28.030
Para que você conheça até mesmo exemplos esportivos para inspeções de riscos e inspeções de esportes e epidemias e inspeções de seguros

15:28.090 --> 15:31.030
Dê uma olhada nisso.

15:31.030 --> 15:31.900
Apenas para

15:31.930 --> 15:40.390
lhe dar uma compreensão de ey, isso não é apenas tudo inventado de coisas hipotéticas do tipo Matrix.

15:40.390 --> 15:41.130
Este é realmente o

15:41.140 --> 15:45.580
cenário do mundo real, então, eu darei uma melhor compreensão e é disso que falamos no vídeo promocional para as pontuações que

15:45.580 --> 15:50.410
ou a descrição do curso que vamos inspirar você e sua intuição para lhe dar idéias para como usar AI na vida real.

15:50.410 --> 15:55.900
Esta é a sua oportunidade.

15:55.900 --> 15:57.820
Veja este artigo para entender.

15:57.820 --> 15:59.790
OK, então vamos lidar com o processo de decisão do futuro.

15:59.900 --> 16:02.890
É realmente legal o que eles parecem na vida

16:02.890 --> 16:07.210
real e isso possivelmente poderia desencadear algumas idéias para você como você poderia

16:07.210 --> 16:13.300
se candidatar no futuro para tornar o mundo um lugar melhor e ficamos super felizes com isso.

16:13.300 --> 16:13.650
Ficamos felizes se você pudesse usar o que aprendeu neste curso para tornar o mundo um lugar melhor.

16:13.690 --> 16:18.560
Quão fantástico com isso.

16:18.730 --> 16:20.050
Então, naquela nota, espero que você tenha gostado do tutorial de hoje.

16:20.380 --> 16:23.170
Estou ansioso para ver a próxima vez.

16:23.170 --> 16:24.540
E até então, desfrute da AI.

16:24.610 --> 16:26.420