WEBVTT 00:00.630 --> 00:03.850 Hola y bienvenidos al curso de inteligencia artificial. 00:03.990 --> 00:09.260 En el tutorial de hoy estamos comenzando la sección sobre el aprendizaje genial convolucional profundo. 00:09.420 --> 00:11.010 Así que echemos un vistazo a lo que se trata. 00:11.010 --> 00:14.040 Anteriormente hablamos sobre el aprendizaje profundo y genial. 00:14.040 --> 00:21.270 Entonces teníamos un entorno donde un agente y teníamos un vector que describía ese entorno que se alimentaba en 00:21.270 --> 00:26.310 una red neuronal y al final obtuvimos los valores q como nuestros resultados. 00:26.310 --> 00:29.970 Y luego, por supuesto, descubrimos cómo restringir la parte de aprendizaje. 00:29.970 --> 00:34.650 Descubrimos cómo se deciden las acciones basadas en esos valores que son una parte de acción. 00:34.650 --> 00:42.380 Y hablamos sobre políticas de selección de acción y diferentes cosas sobre cómo funciona el aprendizaje profundo. 00:42.420 --> 00:51.240 Pero aquí el concepto clave para todo esto es cómo logramos desde el entorno real y 00:51.240 --> 00:54.450 los estados hasta la red neuronal. 00:54.480 --> 00:56.190 Bueno, la transición ha terminado aquí. 00:56.220 --> 01:02.250 Los vectores de entrada por lo que la entrada Lehre de nuestra red neuronal y es un vector. 01:02.250 --> 01:06.570 Entonces, lo que estamos viendo está bien, así que estamos avanzando en la curva. 01:06.600 --> 01:08.830 Ese no es el término correcto, no estamos viendo nada. 01:08.940 --> 01:12.330 El agente básicamente tiene esta información. 01:12.330 --> 01:18.490 Entonces, el entorno está analizando esta información diciendo "OK, el agente en el que se encuentra actualmente en este 01:18.560 --> 01:26.160 estado es descrito por el sector" en este ejemplo simplificado que describe este vector X-1 de 1 x 2 de 2, por lo que 01:26.160 --> 01:31.410 sus coordenadas son 1 2 y ese es todo tu estado en un entorno más complejo. 01:31.410 --> 01:37.920 La declaración y todas las otras cosas que el agente puede estar observando, pero el punto aquí es que se 01:37.920 --> 01:39.040 plantea como un vector. 01:39.240 --> 01:45.750 Y la cosa es que eso no sucede en la vida real en la vida real a excepción de los sistemas de GPS y otras cosas 01:45.780 --> 01:46.470 por el estilo. 01:46.530 --> 01:51.830 Pero en la vida real, ¿qué usamos la mayoría de las veces que usamos nuestros sentidos? Usamos nuestros ojos incluso en el GPS. 01:51.930 --> 01:53.670 No está incorporado en nuestro cerebro. 01:53.670 --> 01:56.420 No nos está diciendo las coordenadas a través de nuestro cerebro. 01:56.430 --> 02:02.880 Así que todavía estamos usando nuestros ojos para mirar el GPS y entender qué está pasando allí. 02:02.910 --> 02:09.310 Y esto es una especie de trampa para que la IA pueda obtener información sobre el medio ambiente como 02:09.310 --> 02:09.620 vector. 02:09.620 --> 02:12.030 Es muy simple, no es así como funciona en la vida real. 02:12.030 --> 02:17.040 Así no es como nosotros, como humanos, operamos y, en última instancia, queremos crear inteligencia artificial que pueda 02:17.340 --> 02:23.310 funcionar de manera similar a la de los humanos, ya que es capaz de enfrentar los mismos desafíos que los humanos. 02:23.320 --> 02:28.740 Y así en el mundo humano no tenemos que no tengamos que no tenemos estas coordenadas u otros 02:28.740 --> 02:33.870 tipos de vectores que nos pasan que explican el estado en que nos encontramos en ese entorno. 02:33.870 --> 02:37.350 Así que vamos a tener que eliminar eso para hacerlo más realista. 02:37.410 --> 02:42.180 Y luego, ¿qué podemos reemplazar con lo que vemos o qué hacemos como humanos para obtener información? 02:42.180 --> 02:46.860 Bueno, la mayor parte del tiempo vemos, por supuesto, todos nuestros sentidos, pero la mayor parte de 02:46.860 --> 02:51.300 la información que estamos obteniendo sobre el mundo que nos rodea viene a través de nuestra vista. 02:51.510 --> 02:59.340 Y es por eso que vamos a cambiar esa pequeña flecha que teníamos en una red neuronal 02:59.340 --> 03:00.090 convolucional completa. 03:00.090 --> 03:02.700 Entonces esto es de nuestro Onix. 03:02.700 --> 03:08.400 Número dos tenemos la convulsión de Larry y es por eso que es importante estar bastante cómodo con las redes 03:08.460 --> 03:13.290 neuronales condicionales de evolución y cómo funciona eso si ha hecho las relaciones sexuales con PAO y 03:13.350 --> 03:14.910 debería sentirse cómodo con eso. 03:14.930 --> 03:20.490 O simplemente puede ver el siguiente número dos, tenemos algunos muy buenos tutoriales de intuición allí. 03:20.670 --> 03:26.160 Así que aquí tenemos la operación convolucional que sucede, así que de hecho vamos a ver 03:26.160 --> 03:27.330 esto como una imagen. 03:27.330 --> 03:31.350 Entonces esta es una imagen del entorno Net. 03:31.350 --> 03:33.990 Y entonces el agente está realmente mirando el medio ambiente. 03:33.990 --> 03:39.870 Entonces, en este caso, no es que él parezca mirar desde adentro, sino que se ve así. 03:39.930 --> 03:44.710 Digamos que está jugando esto en una computadora y puede ver este entorno y, por 03:44.760 --> 03:48.480 lo tanto, puede ver dónde está realmente esta figura representando al agente. 03:48.480 --> 03:53.340 Puedes verlo todo en viral o lo que un humano vería si fuera un laberinto real y el humano vería 03:53.340 --> 03:54.270 el laberinto desde adentro. 03:54.270 --> 03:56.480 Y entonces el agente debería ser capaz de exactamente lo mismo. 03:56.700 --> 04:03.000 sobre estas diferentes partes de una red neuronal convolucional en el anexo y luego aplanar a los oficiales. 04:03.030 --> 04:10.140 Entonces, lo que dice que está hecho pasa por una guarida de conmoción, te vuelves loco tirando de una pierna, 04:10.140 --> 04:12.680 allí aplanando de nuevo, puedes descubrir más 04:12.690 --> 04:19.950 Luego tenemos entradas que entran en la red neuronal y esta es una forma más realista porque el agente 04:19.950 --> 04:29.010 tiene que usar sus sitios y / o tiene que procesar las imágenes que el entorno está suministrando al agente, del mismo modo 04:29.400 --> 04:31.590 que un humano estaría procesando imágenes. 04:31.590 --> 04:37.410 Y la belleza de esto no es solo que es más realista y es más como un tono. 04:37.410 --> 04:43.280 La edad es, en realidad, tanto más humana, pero nos permite procesar entornos mucho más complejos. 04:43.380 --> 04:49.050 la inteligencia artificial a cualquier entorno que, como humanos, tengamos una visión de es y. 04:49.050 --> 04:55.980 Por ejemplo, así es como podemos jugar a Doom u otros juegos así porque en lugar de obtener 04:56.080 --> 05:02.230 un vector de información que, como alguien habría creado para nosotros en este entorno, podemos conectar 05:02.430 --> 05:08.280 Como ser humano, cuando juegas a este juego puedes ver exactamente esta imagen y eso es exactamente 05:08.760 --> 05:12.450 lo que la red neuronal artificial o el agente verían ahora. 05:12.540 --> 05:17.580 Entonces, en esta parte del curso, cuando vayas a sondear los Tournelles prácticos, el agente realmente 05:17.580 --> 05:22.890 verá esta imagen exacta, verá los píxeles obtendrá esta imagen exacta llena de los píxeles de esta 05:22.890 --> 05:28.410 persona con esto hemos ido con esta cara con este porcentaje, con todo exactamente lo que vemos aquí, 05:28.410 --> 05:30.710 eso es exactamente lo que verá el agente. 05:30.870 --> 05:37.470 Luego tendrá que diseccionar eso a través del engorde liff y luego irá a una red neuronal. 05:37.650 --> 05:42.150 Y no hace falta decir que las redes neuronales en realidad son mucho más complejas que eso, así que reemplácelas con 05:42.150 --> 05:42.780 algo como esto. 05:42.780 --> 05:44.480 Esto no es mucho más complejo. 05:44.520 --> 05:49.350 Esto se ve un poco más complejo, pero en realidad las redes neuronales van a estar trabajando 05:49.380 --> 05:54.140 y creando si vas a ser bastante interesante y vas a ser mucho más complejo que esto. 05:54.150 --> 05:59.910 Pero como puede ver aquí incluso si solo tiene cinco entradas y una especie de dos cosas se vuelven mucho 05:59.970 --> 06:04.380 más complejas y aquí puede ver que tenemos muchas más acciones que el agente puede tomar. 06:04.380 --> 06:10.850 Entonces, en el juego de Doom, gire a la izquierda y a la derecha, mire hacia abajo para ver la recarga de disparos de Ron. 06:10.890 --> 06:16.290 O usted sabe que todas esas diferentes acciones que son posibles en primera persona deberían gustarle. 06:16.290 --> 06:19.430 Y, además, no tiene que ser lo que puedas. 06:19.430 --> 06:23.190 Puede tocar este agente para otro tipo de juego. 06:23.190 --> 06:29.940 Esa es la belleza que se da cuenta de que ahora puede operar cualquier tipo de entorno al que 06:29.940 --> 06:34.260 lo conecte, ya que mientras haya una representación visual del entorno de 06:34.680 --> 06:39.940 ese entorno, ya tiene toda la infraestructura, toda la estructura está lista para procesar. ese. 06:39.960 --> 06:43.980 Así que de eso se trata el profundo aprendizaje CULE convolucional. 06:43.980 --> 06:51.120 Así que lo estamos llevando al siguiente paso: estamos agregando convoluciones o convolucionales Lares en el cerebro 06:51.120 --> 06:58.980 de nuestros agentes ahora y lo estamos haciendo aún más complejo y, por lo tanto, podemos estar aburridos de 06:58.980 --> 07:01.260 poder resolver incluso más complejos desafíos. 07:01.410 --> 07:06.720 Así que espero que estés muy emocionado de que esto vaya a ser en una sección épica y vamos a 07:06.720 --> 07:10.460 crear algunas cosas increíbles y no puedo esperar para verte en el próximo tutorial. 07:10.480 --> 07:12.130 Y hasta entonces, disfruta de la IA.