Forsterkende læring
En læringsmetode der et system utvikler en handlingsstrategi ut fra handlinger og belønninger i et miljø.
Hvordan lærer et system gjennom belønninger?
Ved forsterkende læring, også kalt reinforcement learning eller RL, utfører et system handlinger i et miljø og får tilhørende belønninger. Ut fra dette lærer det en handlingsstrategi, også kalt en policy. Målet er å maksimere den forventede belønningen gjennom forløpet som vurderes. Utformingen av belønningen er derfor avgjørende: Det beregningen belønner, må passe til oppgavens faktiske formål. En trent strategi og den senere bruken må planlegges hver for seg.
I en fiktiv simulering skal et system lære rekkefølger for servicebesøk. En belønning bare for korte kjøreavstander ville ikke i seg selv ta hensyn til avtalte tidsvinduer. Teamet fastsetter derfor tillatte handlinger, bindende planleggingskrav og egnede vurderingsscenarioer. Det undersøker også situasjoner der korte ruter kolliderer med å fullføre alle tildelte besøk i tide. En høy simuleringsskår dokumenterer ikke i seg selv en egnet driftsplan. Før praktisk bruk vurderes de faktiske rammene og håndteringen av avvik særskilt.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- KI-inferensÅ bruke en allerede trent modell på inndata for å få et resultat.
- LLM-evalueringLLM-evaluering tester modellutdata mot definerte oppgaver og kriterier. Ett godt enkelttilfelle dokumenterer ikke generell kvalitet.
- Veiledet læringEn læringsmetode som bruker inndata sammen med tilhørende målverdier eller klasser som treningseksempler.
- Ikke-veiledet læringEn læringsmetode som søker mønstre i data uten forhåndsbestemte målsvar for den aktuelle treningsoppgaven.
- Omrangering av søkeresultaterOmrangering vurderer allerede funne søkekandidater på nytt. Relevans for spørsmålet og begrensningene i det første utvalget er avgjørende.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.