Мультиагентное обучение с подкреплением
Раздел обучения с подкреплением, в котором в одной среде обучаются сразу несколько агентов, влияющих друг на друга (multi-agent reinforcement learning, MARL). В отличие от одноагентного случая, здесь награда зависит от совместных действий, поэтому агенты осваивают кооперацию, распределение ролей или конкуренцию.
проверено по: en.wikipedia.org ↗
См. также
- Обучение с подкреплениемОдин из основных подходов машинного обучения (reinforcement learning, RL): агент действует в среде, получает за результат числовую награду и учится выбирать действия, которые приносят наибольшую награду. В отличие от обучения с учителем, правильных ответов ему заранее не показывают — он учится методом проб и ошибок. У языковых моделей это отдельный этап после предобучения, на котором развиваются рассуждения и агентные навыки.
- Многорукий бандитЗадача теории вероятностей и обучения с подкреплением (multi-armed bandit): нужно раз за разом выбирать одно из нескольких действий с заранее неизвестной отдачей и набрать как можно больше награды, балансируя между исследованием новых вариантов и использованием лучших из уже известных. Так же называют и алгоритмы её решения, которые применяют, например, вместо A/B-тестов и в рекомендательных системах. Название отсылает к игровым автоматам — «одноруким бандитам».
В новостях
В OpenAI рассказали, как 10 000 ИИ-агентов решали задачу Навье — Стокса
Способ обучения, при котором несколько ИИ-агентов действуют в общей среде и получают награду за результат. Так их учат не только решать задачу, но и договариваться и делить работу между собой.