AI各种学习方式的不同点(强化学习, 深度学习, 监督学习, 非监督学习)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了AI各种学习方式的不同点(强化学习, 深度学习, 监督学习, 非监督学习),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1435字,纯文字阅读大概需要3分钟。
内容图文
![AI各种学习方式的不同点(强化学习, 深度学习, 监督学习, 非监督学习)](/upload/InfoBanner/zyjiaocheng/1039/ed77db84fe5a43b0a64dd345cebf7cf0.jpg)
我是做游戏的, 简单的游戏AI用 if-else switch-case 就行了
稍微复杂点的游戏AI用 有限状态机 行为树 也够用了
也就是常见的 巡逻 追击 逃跑 等行为状态
下文所说的是基于神经算法的AI, 一般不会用于游戏逻辑内
对于AI, 我也是只知其一不知其二, 有不对或不足的地方欢迎大佬指正
首先你是个机器人, 你刚出生, 你什么都不知道
监督学习:
给你看一大堆猫狗的照片, 照片上写着"猫"或者写着"狗"
学习目标: 我领你到我家后院, 你告诉我那个毛茸茸的小东西是狗还是猫
局限性: 只认识猫狗, 认不出恐龙
应用场景: 手写识别, 语音识别等.
非监督学习:
给你看一大堆你不知道是什么的照片, 让你根据特征给这些照片分类
学习目标: 你分出胸大的和胸小的, 并向我推荐更多胸大的照片
应用场景: 短视频推荐, 购物推荐等
监督学习和非监督学习都是深度学习, 是对人类已有经验的总结
强化学习:
让你自己去学习走路, 走对了给糖吃, 跌倒了打屁股
学习目标: 学会走路
局限性: 你可能没学会走路, 但学会了袋鼠跳
应用场景: 机器人学走路
拿人类来说
课堂学习就是监督学习, 因为有正确答案可循, 1+1=2, 当然也有强化学习, 答对了奖励一朵小红花, 答错了就打一顿
某些生活经验是非监督学习, 也就是我们经常说的"经验之谈", 你不知道原理, 但是照做就对了
纯强化学习是自己一步一步的摸索, 过程漫长, 不适于人类, 而AI计算速度快, 时间也充足, 毕竟它又不用洗脸
打游戏(不看攻略)算是强化学习, 一点一点探索, 不断试错
人类通常习惯借鉴前人的经验, “站在巨人的肩膀上”, 在AI里叫做迁移学习
人类学习成长的过程是复杂的, 是多种学习方式的结合, AI学习就是在模拟人类的学习思维
我以前干过一些兼职, 比如给道路标黄, 汽车标红, 行人标绿, 大概就是拿去给自动驾驶AI看的
内容总结
以上是互联网集市为您收集整理的AI各种学习方式的不同点(强化学习, 深度学习, 监督学习, 非监督学习)全部内容,希望文章能够帮你解决AI各种学习方式的不同点(强化学习, 深度学习, 监督学习, 非监督学习)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。