WEBVTT 00:00.940 --> 00:04.150 Halo dan selamat datang kembali ke kursus tentang kecerdasan buatan. 00:04.150 --> 00:09.070 Baiklah jadi saya harap Anda menikmati tutorial sejauh ini kita hampir selesai dengan intuisi Anda segera akan sampai 00:09.070 --> 00:13.390 ke sisi praktis dari hal-hal yang kami punya beberapa hal kecil yang perlu kita bahas. 00:13.510 --> 00:20.320 Baiklah, sebelumnya kita berbicara tentang bagaimana kita menambahkan jaringan saraf ke seluruh persamaan pembelajaran CULE ini dan 00:20.350 --> 00:25.360 menjadikan ular sebagai langkah selanjutnya dan mengubahnya menjadi pembelajaran yang mendalam. 00:25.690 --> 00:33.130 Dan hari ini kita akan menambahkan fitur ekstra penting yang akan dikodekan dalam sisi praktis dari semua hal jadi berita utama 00:33.130 --> 00:39.100 dan saya memutuskan bahwa penting bagi kita untuk sering membahasnya di sisi intuisi sehingga Anda lebih siap 00:39.100 --> 00:42.430 untuk itu ketika datang di sisi pengkodean hal. 00:42.430 --> 00:47.950 Jadi seperti yang kita diskusikan, kita punya jaringan di sana ada dua bagian yang terjadi. 00:47.950 --> 00:53.110 Pertama-tama itu pembelajaran sehingga jaringan benar-benar belajar dengan setiap keadaan baru itu. 00:53.270 --> 00:58.870 Ini perlahan-lahan memperbarui menunggu untuk menjadi lebih baik dan lebih baik dan lebih baik dalam menghadapi lingkungan ini 00:58.870 --> 01:06.910 Dan kemudian ada akting di dalam negara sehingga setelah nilai q telah dihitung di negara maka setelah 01:06.970 --> 01:08.220 Anda memilih. 01:08.230 --> 01:14.800 Jadi hari ini kita masih akan berbicara tentang bagian pembelajaran kita akan datang dengan 01:14.800 --> 01:20.050 fitur menarik yang akan membantu sarjana untuk membuat fitur ini 01:20.080 --> 01:29.690 sendiri tetapi kita akan berbicara tentang fitur yang sangat penting pembelajaran yang sangat keren dan fitur itu disebut replay pengalaman. 01:29.710 --> 01:30.030 Baiklah. 01:30.040 --> 01:34.570 Jadi di sini adalah jaringan kami, jadi kami baru saja menyalinnya di sini. 01:34.570 --> 01:39.000 Kami punya yang hilang yaitu Calcott di bagian bawah adalah kembali penyebar melalui jaringan. 01:39.100 --> 01:44.770 Dan mari kita lihat contoh apa yang terjadi untuk memahami masalah yang kita hadapi dengan sedikit 01:44.770 --> 01:45.670 lebih baik. 01:45.670 --> 01:49.120 Jadi, inilah contoh sebenarnya dari skor. 01:49.120 --> 01:54.820 Ini adalah cuplikan layar dari kursus ini, inilah yang akan Anda pemrograman. 01:54.820 --> 02:02.170 Ini adalah mobil self-driving yang mengemudi melalui ini melalui sepanjang jalan ini dan harus belajar bagaimana 02:02.170 --> 02:03.780 menavigasi jalan ini. 02:03.820 --> 02:09.290 Dan seperti apa yang kita bahas sebelumnya Apa ini di negara ini. 02:09.320 --> 02:15.850 Dan tentu saja keadaannya tidak akan menjadi x1 x2 Lundell cukup jelaskan secara lebih 02:15.850 --> 02:23.650 rinci apa keadaannya itu akan menjadi beberapa parameter yang berhubungan dengan sudut mobil dan beberapa parameter relatif 02:23.650 --> 02:26.490 apa sensornya membaca dan sebagainya. 02:26.490 --> 02:29.820 Jadi akan ada lebih banyak parameter dari itu untuk menggambarkan negara. 02:29.830 --> 02:34.120 Namun demikian itu akan menjadi vektor nilai yang akan melalui jaringan saraf dan kemudian pada 02:34.120 --> 02:36.520 output Anda akan memiliki beberapa nilai ACU. 02:36.520 --> 02:39.850 Sekali lagi akan ada perbedaan tergantung pada lingkungan. 02:39.850 --> 02:44.380 Mereka bisa menjadi sejumlah tindakan yang berbeda dari tindakan yang mungkin. 02:44.460 --> 02:49.660 Tetapi kita hanya akan demi kesederhanaan membiarkannya hanya agar kita dapat memahami lebih baik apa yang 02:49.660 --> 02:50.830 terjadi di sini. 02:50.830 --> 02:55.710 Jadi dalam hal ini pertanyaannya sejauh apa ini. 02:55.730 --> 03:03.510 Input ini ke jaringan saraf ini atau lebih spesifik seberapa sering kita memicu jaringan saraf ini. 03:03.520 --> 03:05.080 Seberapa sering pertumbuhan jaring saraf ini. 03:05.110 --> 03:11.410 Yah setiap kali mobil berakhir dalam keadaan baru sehingga mobil bergerak itu berakhir dalam keadaan baru dan 03:11.530 --> 03:12.650 kemudian semuanya berjalan. 03:12.670 --> 03:17.410 Semua data itu, semua informasi dari negara bagian itu melewati jaringan, memberikan Alice kesalahan yang 03:17.650 --> 03:18.200 dihitung. 03:18.280 --> 03:22.960 Kesalahan ini dihitung berdasarkan apa yang kita bahas dalam tutorial sebelumnya. 03:22.990 --> 03:26.080 Ini disebarkan kembali melalui dan bobotnya diperbarui. 03:26.080 --> 03:32.570 Kemudian mobil memilih tindakan mana yang harus diambil membuat langkah itu berakhir di negara bagian baru di negara bagian baru. 03:32.590 --> 03:34.390 Semuanya dimulai lagi. 03:34.450 --> 03:39.880 Dan pada dasarnya ini terjadi setiap kali mobil masuk dan Anda berkata baik lihat contoh ini. 03:39.880 --> 03:46.240 Saya secara khusus mengambil screenshot karena kelihatannya sangat baik menggambarkan masalah yang ditangani melalui replay pengalaman dan 03:46.240 --> 03:51.430 replay pengeluaran tidak hanya sesuatu yang kita gunakan dalam kursus ini atau dalam 03:51.430 --> 03:52.730 masalah khusus ini. 03:52.810 --> 03:57.190 Ini adalah sesuatu yang akan Anda lihat digunakan di seluruh. 03:57.340 --> 04:04.480 Lagi dan lagi dan lagi dalam algoritma kecerdasan buatan karena begitu kuat dan sangat 04:04.480 --> 04:05.140 penting. 04:05.140 --> 04:11.440 Jadi lihatlah mobil ini mobil ini dalam masalah ini atau dalam lingkungan ini tujuannya adalah datang dari pergi dari sini ke 04:11.440 --> 04:12.440 sini dan kembali. 04:12.440 --> 04:17.540 Tujuannya adalah untuk menavigasi jalan di sini di sini tanpa melintasi dinding-dinding yang terbuat dari pasir. 04:17.790 --> 04:24.430 Dan mobil itu mulai di sini turun dan seperti pahalanya didasarkan pada Anda tahu seberapa dekat itu untuk 04:24.430 --> 04:25.120 memulai. 04:25.120 --> 04:29.890 Jadi mobil pergi dari sini turun dan terus seperti ini seperti ini seperti ini atau di sepanjang 04:29.890 --> 04:31.490 tembok ini sepanjang tembok laut. 04:31.570 --> 04:34.990 Dan apa yang akan dilakukan selanjutnya akan berubah akan terus berjalan. 04:34.990 --> 04:37.450 Apa yang ingin kami lakukan adalah tetap di sini. 04:37.690 --> 04:39.490 Tapi mari kita pikirkan sejenak. 04:39.580 --> 04:44.240 Begitu sampai di dinding ini setiap kali bergerak maju ia bergerak maju. 04:44.260 --> 04:48.570 Itu bergerak maju itu bergerak maju bergerak maju bergerak maju dan seterusnya bergerak maju. 04:48.580 --> 04:53.320 Jadi mungkin ada seperti tergantung pada lingkungan struktur bisa seperti seratus bergerak di sini atau 04:53.320 --> 04:54.710 50 bergerak di sini. 04:54.990 --> 04:59.100 Itu hanya terus bergerak maju maju maju untuk itu dan tidak ada yang berubah. 04:59.160 --> 05:03.310 Tidak benar-benar berubah, ia mendapat jalan lebih jauh dari ini mulai lebih dekat dengan cerita ini. 05:03.310 --> 05:04.060 Itu sangat indah. 05:04.210 --> 05:09.990 Tetapi dalam hal lingkungan sekitar tidak banyak hal yang berubah itu masih tembok yang sama. 05:10.090 --> 05:15.460 Jika Anda duduk di dalam mobil, Anda mungkin melihat situasi ketika Anda mengemudi di apa 05:15.460 --> 05:21.220 pun yang Anda lihat seperti lingkungannya sangat monoton sehingga Anda hanya melihat hal yang sama hanya 05:21.220 --> 05:21.840 lewat. 05:21.840 --> 05:26.680 Tapi seperti yang saya bayangkan Anda mengemudi melalui padang pasir dan Anda hanya melihat hal yang sama itu suara yang 05:26.680 --> 05:29.100 sama itu suara yang sama tidak ada yang terjadi. 05:29.100 --> 05:30.340 Tidak ada yang berubah. 05:30.550 --> 05:36.820 Dan berdasarkan itu tetapi setiap kali kita menempatkan negara itu ke negara baru. 05:37.000 --> 05:42.010 Ya tentu saja ada sesuatu yang berubah bagi kami saat Anda mengendarai mobil dan GPS Anda menunjukkan Anda 05:42.010 --> 05:43.530 lebih dekat ke tujuan Anda. 05:43.540 --> 05:49.300 Jadi salah satu dari input ini aneh tetapi banyak dari input lain ini sensor misalnya yang ada di 05:49.300 --> 05:55.850 mobil mereka tidak berubah dan karena itu saat Anda mengemudi lambat di hari ini untuk memasukkan input ke Anda sendiri di 05:55.850 --> 06:02.380 sini di sini di sini di sini di sini di sini di sini dan di sini di sini sepanjang waktu input 06:02.380 --> 06:03.220 hampir sama. 06:03.250 --> 06:11.140 Dan jika Anda terus memasukkan input yang sama nilai yang sama dalam vektor atau vektor yang sangat mirip 06:11.140 --> 06:14.240 ke jaringan Anda karena tidak ada variasi. 06:14.320 --> 06:16.840 Mobil akan belajar dengan sangat baik. 06:16.870 --> 06:22.420 Satu hal yang akan Anda pelajari dengan baik bagaimana mengemudi di sepanjang dinding ini yang ada di sebelah kanannya 06:22.420 --> 06:27.970 dan itulah cara jaringan akan memperbarui dan itu akan dihargai akan perlahan-lahan mulai mendapat imbalan karena mengemudi dengan baik 06:27.970 --> 06:28.570 seperti itu. 06:28.580 --> 06:33.980 OK jadi dari sini saya akan belajar semua yang saya lakukan dengan sangat baik, saya melakukan lebih baik, saya melakukannya dengan lebih baik. 06:34.050 --> 06:34.420 Semuanya. 06:34.480 --> 06:41.920 Ini akan memiliki persepsi salah ini bahwa itu sebenarnya bekerja dengan sangat baik meskipun hanya belajar bagaimana mengemudi bersama serta jaringan saraf 06:41.920 --> 06:47.560 lainnya akan menjadi sangat beradaptasi untuk mengemudi di sepanjang sumur ini dan kemudian tiba-tiba ada kurva 06:47.560 --> 06:51.100 ini dan mobil tidak tidak tahu harus berbuat apa. 06:51.310 --> 06:55.240 Dan itu benar-benar tidak cocok dengan jaringan saraf ini. 06:55.420 --> 07:01.870 Dan bahkan jika itu dilakukan, entah bagaimana, secara hipotesis katakanlah melewati sebuah titik dan kemudian berakhir di dinding 07:01.870 --> 07:02.250 ini. 07:02.260 --> 07:05.320 Hal yang sama akan terjadi akan mengemudi dari sini sini sini. 07:05.320 --> 07:10.870 OK sekarang jaringan saraf sedang merestrukturisasi dirinya untuk beradaptasi dengan dinding ini dan kemudian bam hal ini terjadi. 07:10.900 --> 07:15.880 Dan bahkan jika entah bagaimana itu dilewati bahwa itu akan melewati hal ini dan kemudian hal yang sama sepanjang garis 07:15.880 --> 07:16.260 ini. 07:16.260 --> 07:23.590 Jadi pada dasarnya ini adalah contoh yang sangat jelas dari masalah bahwa kita adalah apa yang kita miliki 07:23.590 --> 07:29.770 adalah bahwa karena cara kita menggunakan jaring saraf memperbaruinya setiap negara sekali kita memiliki 07:29.770 --> 07:36.490 banyak hal yang berurutan mereka bahkan tidak harus menjadi sama tetapi ada di lingkungan yang normal 07:36.880 --> 07:44.950 yaitu kondisi berturut-turut entah bagaimana berkorelasi atau entah bagaimana saling tergantung dan kami tidak ingin saling ketergantungan itu bias jaringan 07:44.980 --> 07:45.550 kami. 07:45.550 --> 07:52.600 Kami tidak ingin mobil hanya belajar mengemudi seperti garis lurus atau garis melengkung panjang atau seperti 07:54.100 --> 08:01.750 apa pun yang Anda pikir dapat Anda pikirkan dalam kehidupan di mana seorang agen akan menjadi lingkungan 08:01.780 --> 08:10.570 Navigant di mana kita dapat berpikir tentang berkorelasi atau keadaan saling tergantung yang terjadi secara berurutan yang benar-benar dapat mengacaukan 08:10.630 --> 08:12.130 jaringan saraf Anda. 08:12.190 --> 08:15.270 Jika Anda hanya membiarkan agen belajar dari itu. 08:15.430 --> 08:17.600 Dan di situlah replay pengalaman masuk. 08:17.620 --> 08:24.850 Apa yang terjadi dalam replay pengalaman adalah pengalaman ini sehingga ini menyatakan bahwa itu dalam satu dua tiga 08:24.850 --> 08:31.040 namun banyak 50 negara di sini di neuro mereka tidak dimasukkan melalui jaringan segera. 08:31.350 --> 08:35.980 Mereka sebenarnya disimpan dalam memori agen. 08:36.160 --> 08:41.440 Dan misalnya, ini menyimpan semua ini dan menyimpan semua ini dan beberapa di beberapa titik setelah mencapai batas tertentu 08:41.590 --> 08:44.940 yang Anda dapat kode dan Atlanta akan menunjukkan kepada Anda bagaimana melakukannya. 08:45.100 --> 08:51.310 Setelah mencapai batas tertentu maka agen memutuskan sendiri OK saatnya untuk belajar. 08:51.310 --> 08:57.580 Saya punya banyak pengalaman yang saya miliki, saya tidak akan mempelajarinya dan memilih secara acak 08:57.580 --> 09:04.120 distribusi dan keseragaman adalah kuncinya adalah penting di sini karena itu adalah sesuatu yang akan kita 09:04.240 --> 09:06.460 bicarakan pada slide berikutnya. 09:06.820 --> 09:08.140 Kami akan memesan akan menyebutkan itu. 09:08.140 --> 09:12.400 Tetapi dibutuhkan sampel yang didistribusikan secara seragam. 09:12.460 --> 09:15.660 Jadi pada dasarnya semua pengalaman dianggap sama. 09:15.670 --> 09:23.410 Dibutuhkan sampel yang terdistribusi secara seragam dari sekumpulan pengalaman yang dimilikinya dan kemudian akan melalui mereka dan belajar dari mereka 09:23.410 --> 09:28.060 sehingga tidak mengambil semua pengalaman atau hanya mengambil sampel secara seragam, mungkin 09:28.060 --> 09:33.130 diperlukan beberapa dari sini pasangan dari di sini pasangan dari sini dan itu 09:33.130 --> 09:39.940 dan setiap pengalaman dicirikan oleh negara itu dalam tindakan yang mengambil negara itu akhirnya dan hadiah itu 09:40.000 --> 09:47.110 dicapai melalui tindakan itu dalam keadaan tertentu sehingga empat elemen dalam setiap pengalaman menyatakan satu action state two 09:47.110 --> 09:53.470 dan reward dan karena itu dibutuhkan semua pengalaman itu dan kemudian melewati mereka melalui jaringan dan 09:53.470 --> 09:54.660 ia belajar. 09:54.660 --> 10:05.160 Dan dengan cara itu merusak pola bias yang datang dari sifat berurutan pengalaman seolah-olah Anda harus menempatkan mereka 10:05.160 --> 10:08.110 melalui jaringan satu demi satu. 10:08.340 --> 10:11.930 Jadi itulah fokus utama dari pengalaman yang kami mainkan. 10:11.930 --> 10:17.730 Itulah masalahnya dan alamatnya dan manfaat lain dari pengulangan pengalaman adalah bahwa kadang-kadang dalam 10:17.730 --> 10:22.400 lingkungan seperti ini Anda mungkin memiliki pengalaman langka yang sangat berharga. 10:22.410 --> 10:28.340 Jadi misalnya saya tidak tahu katakanlah mari kita lihat sudut ini kan ini sudut kanan. 10:28.440 --> 10:28.730 Kanan. 10:28.740 --> 10:30.880 Dan yang sangat tajam itu tajam. 10:30.900 --> 10:35.640 Jadi akan datang dari sini dengan asumsi akan memeluk sudut ini. 10:35.640 --> 10:40.500 Jadi, jika Anda memiliki sudut tajam yang kami miliki dalam hal ini secara keseluruhan kami akan memiliki satu 10:40.500 --> 10:43.410 sudut kanan di sini dan satu sudut kanan di sini. 10:43.680 --> 10:46.240 Benar jadi ketika itu datang dengan cara itu sudut kanan. 10:46.380 --> 10:48.630 Dan ketika itu akan kembali itu adalah sudut kanan yang tajam di sini. 10:48.620 --> 10:53.070 Jadi, yang ini tidak tajam di toko jadi hanya ada satu kesempatan di 10:53.640 --> 10:56.770 seluruh lingkungan untuk belajar dari sudut kanan yang tajam. 10:56.970 --> 11:03.050 Dan itu adalah pengalaman yang sangat penting karena mungkin akan sangat baik dalam mengemudi di sepanjang garis lurus 11:03.060 --> 11:06.990 menjadi sangat baik dalam melakukan seperti sudut lembut seperti itu tetapi. 11:07.170 --> 11:14.070 Dan kemudian itu akan terus mengacaukan sudut kanan yang tajam ini hanya karena hanya karena ia tidak memiliki banyak kesempatan untuk belajar darinya dan oleh 11:14.070 --> 11:18.070 karena itu ia akan mempelajari segala sesuatu dengan sangat cepat tetapi akan memakan waktu 11:18.070 --> 11:20.180 lama untuk mempelajari yang benar tentu saja 11:20.180 --> 11:26.010 Ini adalah contoh yang sangat sederhana adalah penjelasan yang sangat sederhana tetapi menggambarkan konsep 11:26.280 --> 11:30.140 bahwa kadang-kadang itu adalah pengalaman langka yang bisa berharga. 11:30.270 --> 11:35.880 Dan jika Anda hanya melakukan jaringan saraf sederhana di mana Anda meletakkan nilai-nilai Anda di sini dan 11:35.880 --> 11:40.950 Anda tahu mereka mengalami dan Anda tahu seperti bahkan jika Anda lupa tentang masalah sifat 11:40.950 --> 11:45.690 pengalaman berurutan dan bagaimana mereka bisa Thimphu yang interdependen dan semuanya berkorelasi bahkan 11:45.680 --> 11:46.640 melupakannya sejenak. 11:46.800 --> 11:52.110 Yang terjadi adalah begitu Anda memasukkan pengalaman di dalamnya melalui jaringan data maka Anda langsung lupa tetapi 11:52.120 --> 11:53.370 lupakan tentang pengalaman itu. 11:53.370 --> 11:54.380 Anda beralih ke yang berikutnya. 11:54.420 --> 11:56.180 Begitulah cara kerja jaringan saraf. 11:56.220 --> 11:59.710 Kemudian Anda pindah ke keadaan berikutnya langkah berikutnya langkah berikutnya pengalaman berikutnya pengalaman 11:59.780 --> 12:01.170 X pengalaman itu dan seterusnya. 12:01.170 --> 12:06.180 Jadi sudut kanan ini segera setelah melewati jaringan hilang dan Anda tidak memiliki memori pengalaman 12:06.510 --> 12:07.450 berharga itu. 12:07.560 --> 12:14.220 Sedangkan kami telah mengalami replay karena Anda memasukkan pengalaman ini ke dalam batch Anda dapat mengatur bash 12:14.220 --> 12:19.920 Anda sebagai jendela bergulir jadi misalnya Anda bisa memiliki seperti 100 batch Jadi 12:19.920 --> 12:25.920 ratusan pengalaman di batch Anda sehingga ketika kembali dari sini segera ini telah mencatat pengalaman 12:25.920 --> 12:27.380 ini dalam kelompoknya. 12:27.390 --> 12:34.260 Kemudian seperti pada titik tertentu menjalankannya membutuhkan distribusi seragam dari kumpulan pengalamannya dan kemudian ada jendela bergulir sehingga ia 12:34.260 --> 12:37.980 melupakan pengalaman-pengalaman ini tetapi kemudian ia menyimpan pengalaman-pengalaman ini. 12:37.980 --> 12:44.160 Dan sekali lagi itu belajar dari sekali itu di sini ia belajar dari kumpulan ini dan kemudian setelah itu di sini ia 12:44.280 --> 12:45.410 lupa sampai di sini. 12:45.420 --> 12:50.550 Tetapi kemudian ia memiliki banyak pengalaman seperti itu sehingga karenanya tidak belajar dari pengalaman-pengalaman ini. 12:50.730 --> 12:58.380 Dan dengan cara itu yang Anda dapatkan adalah bahwa sudut kanan ini mungkin muncul beberapa kali dalam proses belajarnya karena 12:58.380 --> 13:03.480 berada di kelompok ketika kelompok itu seperti ini di sekitar sana daripada di 13:03.480 --> 13:08.760 kelompok di sini, di sini sehingga muncul dalam beberapa kelompok karena abash mungkin 13:08.790 --> 13:11.430 diperbarui sebagai jendela pengalaman yang bergulir. 13:11.430 --> 13:15.630 Jadi pengalaman yang lebih lama dikeluarkan dari pengalaman yang baru ditambahkan dan kemudian pengalaman yang lebih 13:15.630 --> 13:16.290 lama mendapatkannya. 13:16.440 --> 13:23.040 Jadi dan mengalaminya tetap dalam batch untuk beberapa waktu dan mobil atau agen dapat belajar dari pengalaman itu 13:23.040 --> 13:24.100 beberapa kali. 13:24.210 --> 13:27.430 Jadi itulah keuntungan lain dari replay pengalaman. 13:27.570 --> 13:33.480 Dan tentu saja keuntungan akhir adalah replay pengalaman memberi Anda kesempatan untuk belajar dari lebih banyak 13:34.220 --> 13:39.290 pengalaman daripada jika Anda hanya belajar satu per satu karena Anda memiliki batch itu 13:39.300 --> 13:46.710 dan karenanya Dan itu adalah jendela bergulir dan karenanya bahkan jika lingkungan Anda terbatas untuk mengalami pendekatan replay pengalaman Anda 13:46.710 --> 13:49.260 dapat membantu Anda belajar lebih cepat. 13:49.410 --> 13:55.230 Dan alih-alih hanya mengulang, ada banyak banyak kali Anda dapat belajar dengan cepat karena Anda tidak perlu 13:55.230 --> 13:55.710 mengulanginya. 13:55.710 --> 13:57.440 Anda memiliki pengalaman-pengalaman itu diselamatkan. 13:57.810 --> 13:59.850 Jadi itulah keunggulan utama pengalaman. 13:59.910 --> 14:01.760 Mari kita simpulkan bahwa kita punya. 14:01.840 --> 14:09.280 Kami melanggar pola atas independensi dan korelasi pengalaman berurutan kami menyimpan pengalaman langka yang mungkin 14:09.280 --> 14:15.640 penting karena itu kami dapat belajar lebih sering dari mereka dan kami dapat 14:16.090 --> 14:21.260 belajar di lingkungan kami bisa belajar lingkungan Fosler yang berpengalaman. 14:21.520 --> 14:27.310 Kami memiliki kekurangan pengalaman yang tidak memiliki banyak pengalaman yang dilalui agen dan 14:27.310 --> 14:29.180 kami masih dapat mempelajarinya. 14:29.380 --> 14:32.470 Jadi itulah yang pengalaman ulangan semua tentang. 14:32.470 --> 14:34.530 Jika Anda ingin membaca lebih dari ini. 14:34.630 --> 14:41.290 Ada sebuah artikel menarik yang diterbitkan oleh deep mind pada tahun 2016 disebut replay experience 14:41.560 --> 14:44.380 yang diprioritaskan dan berbicara tentang mengapa. 14:44.410 --> 14:50.860 Mengapa kita menggunakan distribusi yang seragam untuk memilih pengalaman kita dari pengalaman Bachche mengapa kita tidak menemukan 14:50.860 --> 14:55.870 cara yang lebih baik untuk memilih pengalaman kita dan memprioritaskan beberapa pengalaman yang 14:55.870 --> 14:57.160 kita rasa penting. 14:57.220 --> 15:03.880 Ini hal yang cukup menarik meskipun dalam hal ini Anda tidak hanya dapat memperkuat 15:03.880 --> 15:11.800 atau tidak hanya memperkuat pengetahuan Anda tentang replay pengalaman tetapi Anda benar-benar akan dapat bergerak dengan teknologi 15:11.800 --> 15:12.660 terdepan. 15:12.660 --> 15:15.120 Jadi ini tahun 2016 dan diterbitkan oleh orang-orang yang berpikiran dalam. 15:15.120 --> 15:21.580 Ini adalah makalah yang sangat kuat baru-baru ini sehingga Anda akan dapat benar-benar menjelajahi batas atau menjelajahi lebih 15:21.580 --> 15:24.530 jauh algoritma ini dan membawanya ke tingkat berikutnya. 15:24.550 --> 15:31.270 Jadi saya akan menyerahkan kepada Anda untuk mencari tahu mengapa dan bagaimana kita dapat mengubah seragam menjadi pendekatan berbeda untuk mengalami 15:31.270 --> 15:33.810 ulangan dari makalah ini jika Anda mau. 15:33.940 --> 15:35.270 Dan saya harap Anda menikmati ini. 15:35.270 --> 15:41.020 Tauriel dan sekarang kami tahu apa sebenarnya pengalaman itu dan kami dapat dengan percaya diri menggunakannya di lingkaran praktis kami dan 15:41.440 --> 15:42.860 saya mencari Anda lain kali. 15:42.940 --> 15:44.550 Sampai kemudian menikmati AI.