WEBVTT 00:01.110 --> 00:04.770 Bonjour et bienvenue dans le cours sur l'intelligence artificielle. 00:04.770 --> 00:09.420 Aujourd’hui, nous allons discuter du plan d’attaque de la section dont nous parlons. 00:09.450 --> 00:15.000 Et comme nous avons pas mal de tutoriels, je pense que c’est une 00:15.000 --> 00:20.580 bonne idée de les parcourir rapidement pour comprendre à quoi s’attendre dans les prochaines vidéos. 00:20.580 --> 00:21.650 Alors on y va. 00:22.140 --> 00:22.560 D'accord. 00:22.560 --> 00:25.230 Ce que nous allons apprendre dans cette section. 00:25.230 --> 00:31.650 Tout d'abord, nous allons d'abord parler de ce qu'est l'apprentissage par renforcement et de ce qu'est la philosophie derrière l'apprentissage 00:31.690 --> 00:37.890 par renforcement, et de la manière dont l'apprentissage par renforcement peut être vu dans la vie réelle et comment 00:37.890 --> 00:44.540 il se rapporte à des choses que nous observons dans la vie réelle sont des choses que nous faisons nous-mêmes. . 00:44.790 --> 00:51.630 Ils ne parlent pas du concept très fondamental de l'équation des chasseurs qui sous-tendent tout ou beaucoup de choses qui se passent 00:51.630 --> 00:56.580 et de l'apprentissage par renforcement, en particulier dans le cadre de l'apprentissage CULE et de ce 00:56.940 --> 01:01.700 que nous allons discuter dans cette section du cours et dans les sections suivantes. 01:01.800 --> 01:09.280 Ensuite, nous parlerons du plan et du plan élaboré par l'intelligence artificielle en fer brut afin de 01:09.300 --> 01:15.990 naviguer à l'intérieur des environnements. Nous verrons comment cela se produit très rapidement, mais c'est 01:15.990 --> 01:17.270 très intéressant. 01:17.720 --> 01:22.890 Nous parlerons ensuite du marché des processus de décision et de votre concept. 01:22.890 --> 01:31.620 Nous allons introduire un concept très nouveau qui va même lentement ajouter une couche de sophistication à notre équation de Belman à tout notre 01:31.800 --> 01:37.070 apprentissage par renforcement à nos concepts d’apprentissage CULE. Cette section est structurée de manière 01:37.290 --> 01:43.080 à introduire l'équation de Bollmann sous une forme très simpliste, puis, lentement, tout au long des 01:43.260 --> 01:48.550 didacticiels, nous y ajoutons des couches de sophistication afin de parvenir à la version finale. 01:48.690 --> 01:53.880 C'est notre destination désignée pour Hillary, mais nous y arriverons lentement. 01:54.000 --> 01:58.830 Pour que nous ayons assez de temps pour traiter toute cette information et la laisser s’installer. 01:58.890 --> 02:05.400 Et la marque de proses dissidentes est une couche supplémentaire de sophistication en plus de ce dont nous avons discuté ou de 02:05.400 --> 02:11.220 ce que nous aurons ou discutons d’ici là, il sera question de politiques par rapport à des plans. 02:11.220 --> 02:13.830 Un autre Tauriel intéressant, ils sont tous intéressants. 02:13.830 --> 02:19.590 Juste un autre tutoriel rapide sur la façon dont la politique diffère des plans et quelles sont 02:19.590 --> 02:25.980 les différences. Ce sont des termes que vous entendrez ou que vous lirez probablement dans la littérature si vous 02:25.980 --> 02:29.980 allez approfondir pour obtenir des informations supplémentaires sur l’apprentissage par renforcement. 02:29.980 --> 02:34.590 Ils parlent tous d'ajouter une pénalité vivante à nos environnements. 02:34.770 --> 02:41.850 Et c’est là un autre moyen d’ajouter de la complexité aux environnements dans lesquels nos 02:41.850 --> 02:43.340 agents vont opérer. 02:43.370 --> 02:48.780 Ils parlent tous de l’intuition derrière l’apprentissage continu, donc jusqu’à ce tutoriel, nous parlerons 02:48.780 --> 02:50.690 des valeurs des États. 02:50.790 --> 02:57.300 Et finalement, nous allons maintenant parler de valeurs ou d’actions ou de valeurs de cube, puis 02:57.300 --> 02:59.880 nous allons introduire la différence temporelle. 02:59.910 --> 03:06.690 Ceci est un tutoriel où tout ce que nous avons appris va se réunir pour expliquer 03:06.690 --> 03:13.930 comment exactement les agents ou l'intelligence artificielle apprennent-ils comment elle met à jour ses valeurs tout au long 03:14.090 --> 03:16.420 du processus itératif en cours. 03:16.830 --> 03:23.100 Et finalement, nous allons examiner une partie visible de l’apprentissage, nous allons donc prendre tout ce que 03:23.100 --> 03:29.550 nous apprenons et nous allons regarder cela se passer sous nos yeux et regarder une intelligence artificielle effectuer 03:29.730 --> 03:35.870 réellement l’apprentissage CULE et faire toutes les choses dont nous allons discuter au niveau intuitif va 03:35.880 --> 03:42.600 réellement se faire dans la pratique et cela nous aidera à comprendre encore plus cette connaissance que nous allons 03:42.810 --> 03:44.530 dégager de la section. 03:44.550 --> 03:47.460 J'espère donc que vous êtes très enthousiasmé par ces prochains tutoriels. 03:47.460 --> 03:48.800 Je suis définitivement. 03:48.810 --> 03:55.380 Et il y a quelques diapositives très intéressantes à venir et plus important, les concepts eux-mêmes sont très très 03:55.380 --> 03:59.540 intéressants et je suis sûr que vous allez les apprécier beaucoup. 03:59.760 --> 04:01.410 Et j'ai hâte de vous voir la prochaine fois. 04:01.410 --> 04:03.080 Jusque-là, profitez de l'IA.