WEBVTT 00:00.630 --> 00:03.850 Cześć i witam z powrotem na kursie na temat sztucznej inteligencji. 00:03.990 --> 00:09.260 W dzisiejszym tutorialu zaczynamy od sekcji o głębokim splotowym, fajnym uczeniu się. 00:09.420 --> 00:11.010 Zobaczmy więc, o co w tym wszystkim chodzi. 00:11.010 --> 00:14.040 Wcześniej rozmawialiśmy o głębokiej, fajnej nauce. 00:14.040 --> 00:21.270 Tak więc mieliśmy środowisko, w którym agent i mieliśmy wektor opisujący to środowisko, które zostało wprowadzone do 00:21.270 --> 00:26.310 sieci neuronowej, a na końcu otrzymaliśmy wartości q jako nasze wyniki. 00:26.310 --> 00:29.970 A potem oczywiście dowiedzieliśmy się, jak powstrzymać część edukacyjną. 00:29.970 --> 00:34.650 Dowiedzieliśmy się, jak decyzje są podejmowane na podstawie tych wartości, które są częścią działania. 00:34.650 --> 00:42.380 Rozmawialiśmy o polityce selekcji działań i różnych rzeczach dotyczących tego, jak działa głęboka nauka. 00:42.420 --> 00:51.240 Ale tutaj kluczową koncepcją tego wszystkiego jest to, w jaki sposób uzyskujemy z niego rzeczywiste środowisko 00:51.240 --> 00:54.450 i stany do sieci neuronowej. 00:54.480 --> 00:56.190 Cóż, przejście jest tutaj. 00:56.220 --> 01:02.250 Wektory wejściowe więc wejście Lehre naszej sieci neuronowej i jest to wektor. 01:02.250 --> 01:06.570 A więc to, na co patrzymy, jest w porządku, więc w rzeczywistości wychodzimy na zakręt. 01:06.600 --> 01:08.830 To nie jest właściwe określenie, na które nie patrzymy. 01:08.940 --> 01:12.330 Agent zasadniczo ma te informacje. 01:12.330 --> 01:18.490 Tak więc środowisko przetwarza tę informację, mówiąc: OK, agent, w którym aktualnie znajdujesz się w tym stanie, 01:18.560 --> 01:26.160 jest opisany przez sektor w tym uproszczonym przykładzie, który jest opisany przez ten wektor X-1 1 x 2 z 2, więc twoje 01:26.160 --> 01:31.410 współrzędne wynoszą 1 2 i to jest twój cały stan w bardziej złożonym środowisku. 01:31.410 --> 01:37.920 Oświadczenie i wszystkie inne rzeczy, które agent może obserwować, ale chodzi tutaj o to, że jest on pospolity 01:37.920 --> 01:39.040 jako wektor. 01:39.240 --> 01:45.750 Chodzi o to, że w prawdziwym życiu tak się nie dzieje, z wyjątkiem systemów GPS i innych tego typu 01:45.780 --> 01:46.470 rzeczy. 01:46.530 --> 01:51.830 Ale w rzeczywistości, czego używamy przez większość czasu, kiedy używamy zmysłów, używamy naszych oczu nawet w GPS. 01:51.930 --> 01:53.670 To nie jest wbudowane w nasz mózg. 01:53.670 --> 01:56.420 Nie podaje nam współrzędnych przez nasz mózg. 01:56.430 --> 02:02.880 Więc wciąż używamy naszych oczu, aby spojrzeć na GPS i zrozumieć, co się tam dzieje. 02:02.910 --> 02:09.620 I to jest rodzaj oszustwa dla AI, aby uzyskać jak informacje o środowisku jako wektor. 02:09.620 --> 02:12.030 To zbyt proste, że tak nie działa w prawdziwym życiu. 02:12.030 --> 02:17.040 To nie jest sposób, w jaki działamy jako ludzie, i ostatecznie chcemy stworzyć sztuczną 02:17.340 --> 02:23.310 inteligencję, która może działać w podobny sposób jak człowiek, który może podjąć takie same wyzwania jak ludzie. 02:23.320 --> 02:28.740 Tak więc w ludzkim świecie nie mamy tego, czego nie mamy, nie mamy tych współrzędnych ani innych 02:28.740 --> 02:33.870 typów wektorów, które są nam przekazywane, które wyjaśniają stan, w jakim się znajdujemy w tym środowisku. 02:33.870 --> 02:37.350 Musimy więc usunąć to, aby było bardziej realistyczne. 02:37.410 --> 02:42.180 A co możemy zastąpić tym, co widzimy lub co robimy jako człowiek, aby uzyskać informacje. 02:42.180 --> 02:46.860 Przez większość czasu widzimy oczywiście wszystkie nasze zmysły, ale większość informacji, które 02:46.860 --> 02:51.300 dostajemy na temat otaczającego nas świata, pojawia się w naszych oczach. 02:51.510 --> 02:59.340 I dlatego zamierzamy zmienić tę małą strzałkę, którą mieliśmy w całą splotową sieć 02:59.340 --> 03:00.090 neuronową. 03:00.090 --> 03:02.700 To jest od naszych Onix. 03:02.700 --> 03:08.400 Po drugie, mamy drgawki Larry'ego i dlatego ważne jest, aby czuć się komfortowo z uwarunkowanymi ewolucyjnie 03:08.460 --> 03:13.290 sieciami neuronowymi i jak to działa, jeśli odbyłeś stosunek seksualny ODP i powinieneś 03:13.350 --> 03:14.910 być z tym zadowolony. 03:14.930 --> 03:20.490 Albo możesz po prostu rzucić okiem na następny numer dwa, mamy tam bardzo dobre tutoriale intuicyjne. 03:20.670 --> 03:26.160 Mamy tu więc splotową operację, tak więc będziemy patrzeć na to 03:26.160 --> 03:27.330 jako obraz. 03:27.330 --> 03:31.350 Oto obraz środowiska sieciowego. 03:31.350 --> 03:33.990 Tak więc agent faktycznie patrzy na środowisko. 03:33.990 --> 03:39.870 Więc w tym przypadku nie jest tak, że patrzy z zewnątrz, jakby wyglądał w ten sposób. 03:39.930 --> 03:44.710 Powiedzmy, że gra on na komputerze i widzi to środowisko i dlatego 03:44.760 --> 03:48.480 widzi, że ta liczba reprezentująca agenta faktycznie jest. 03:48.480 --> 03:53.340 Możesz zobaczyć jego całość w wirusie lub cokolwiek, co człowiek zobaczyłby, gdyby to był prawdziwy labirynt, a człowiek zobaczyłby 03:53.340 --> 03:54.270 labirynt od środka. 03:54.270 --> 03:56.480 Tak więc agent powinien być w stanie dokładnie to samo. 03:56.700 --> 04:03.000 Więc to, co mówi, odbywa się przez komornicze legowisko, w którym idziesz jak głupiec ciągnąc 04:03.030 --> 04:10.140 nogę tam, gdzie spłaszczasz, znowu możesz dowiedzieć się więcej o tych różnych częściach splotowej sieci neuronowej w 04:10.140 --> 04:12.680 aneksie, a potem oficerowie spłaszczeni. 04:12.690 --> 04:19.950 Następnie mamy dane wejściowe, które trafiają do sieci neuronowej i jest to bardziej realistyczne, 04:19.950 --> 04:29.010 ponieważ agent musi korzystać ze swoich witryn i lub musi przetwarzać obrazy, które środowisko dostarcza agentowi, tak jak 04:29.400 --> 04:31.590 człowiek przetwarzał obrazy. 04:31.590 --> 04:37.410 A piękno tego jest nie tylko tym, że jest bardziej realistyczne i jest bardziej jak barwa. 04:37.410 --> 04:43.280 Wiek jest tym bardziej, w jakim jest człowiek, ale pozwala nam przetwarzać znacznie bardziej złożone środowiska. 04:43.380 --> 04:49.050 Na przykład w ten sposób możemy grać w Doom lub inne gry tego typu, 04:49.050 --> 04:55.980 ponieważ zamiast po prostu uzyskać wektor informacji, który jak ktoś mógłby stworzyć dla nas w tym środowisku, możemy 04:56.080 --> 05:02.230 po prostu podłączyć sztuczną inteligencję do dowolnego środowiska, które jako człowiek ma wizję z jest i. 05:02.430 --> 05:08.280 Jako człowiek, kiedy grasz w tę grę, możesz zobaczyć dokładnie to zdjęcie i 05:08.760 --> 05:12.450 właśnie to zobaczy sztuczna sieć neuronowa lub agent. 05:12.540 --> 05:17.580 Więc w tej części kursu, kiedy masz zamiar zbadać praktyczne Tournelles, 05:17.580 --> 05:22.890 agent zobaczy dokładnie to zdjęcie, zobaczy, że piksele dostaną dokładnie ten obraz pełen 05:22.890 --> 05:28.410 pikseli tej osoby z tą twarzą z tym procentem ze wszystkim, co tu 05:28.410 --> 05:30.710 widzimy, dokładnie to zobaczy agent. 05:30.870 --> 05:37.470 Wtedy będzie musiał to rozdzielić, poprzez wyciągnięcie tuczu, a następnie przejdzie do sieci neuronowej. 05:37.650 --> 05:42.150 I nie trzeba dodawać, że sieci neuronowe są znacznie bardziej skomplikowane, więc zastąpmy je czymś 05:42.150 --> 05:42.780 takim. 05:42.780 --> 05:44.480 To nie jest bardziej skomplikowane. 05:44.520 --> 05:49.350 Wygląda to trochę bardziej skomplikowanie, ale w rzeczywistości sieci neuronowe będą pracować i 05:49.380 --> 05:54.140 tworzyć, jeśli zamierzasz być dość interesujący i będzie o wiele bardziej złożony. 05:54.150 --> 05:59.910 Ale jak widzisz już tutaj, nawet jeśli masz tylko pięć danych wejściowych i dwie rzeczy stają się znacznie bardziej 05:59.970 --> 06:04.380 złożone, a tutaj widzisz, że mamy dużo więcej akcji, które może podjąć agent. 06:04.380 --> 06:10.850 W grze zagłady skręć w lewo i w prawo, spójrz w dół, aby przeładować zdjęcie Rona. 06:10.890 --> 06:16.290 Lub wiesz, że wszystkie te różne czynności, które są możliwe w pierwszej osobie, powinny lubić. 06:16.290 --> 06:19.430 Co więcej nie musi tak być. 06:19.430 --> 06:23.190 Możesz dotknąć tego agenta do innego rodzaju gry. 06:23.190 --> 06:29.940 To jest piękno tego, że zdaje sobie sprawę, że może teraz obsługiwać dowolne środowisko, do którego się 06:29.940 --> 06:34.260 przyłącza, ponieważ tak długo, jak istnieje wizualna reprezentacja środowiska 06:34.680 --> 06:39.940 tego środowiska, ma już całą infrastrukturę, cała struktura jest gotowa do przetworzenia że. 06:39.960 --> 06:43.980 A więc na tym polega głęboka, splotowa nauka CULE. 06:43.980 --> 06:51.120 Tak więc zabieramy to nawet do następnego kroku, do którego dodajemy teraz skręty lub konwergentne Lares 06:51.120 --> 06:58.980 do mózgu naszych agentów, a my robimy to jeszcze bardziej złożonym i dlatego możemy znudzić się możliwością rozwiązania 06:58.980 --> 07:01.260 jeszcze bardziej złożonego wyzwania. 07:01.410 --> 07:06.720 Mam więc nadzieję, że jesteś bardzo podekscytowany tym, że znajdzie się w epickim odcinku, a my stworzymy niesamowite 07:06.720 --> 07:10.460 rzeczy i nie mogę się doczekać, aby zobaczyć cię w następnym samouczku. 07:10.480 --> 07:12.130 A do tego czasu ciesz się AI.