Lecture 1: Introduction

이 내용은 Sung Kim 교수님의 모두를 위한 RL 강좌를 정리한 내용입니다.

https://youtu.be/dZ4vw6v3LcA

―――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――

Reinforcement : SCIENCE-based & REWARD-based methods.

Nature of Learning

- We learn from past expensive

- Reinforcement learning: computational approach to learning from interaction.

Actor (or Agent) : 쥐

Action : 미로에서의 이동

Environment : 미로

Reward: 출구를 찾음->+2, 치즈를 찾음: +1, 아무것도 못 찾음: -1

Observation (or State): 현재 쥐의 상태(위치, 체력 등등)

RL은 예전부터 다루어지던 분야이나, 관심도가 낮았음.

DeepMind에서 Atari Game, AlphaGo 등을 통해 세상의 관심을 끌어온다.

픽셀 게임의 픽셀정보를 RL로 학습시켜 움직임을 결과로 받는 알고리즘을 만들었다.

이 알고리즘을 여러가지 게임에 범용적으로 학습시켜서 인간과 비교했더니 많은 게임에서 인간보다 게임을 잘했다.

응용사례

- AlphaGo

- 구글 데이터센터 냉각비용 절감

- 로봇

- 투자, 비즈니스