Forstærkningslæring (reinforcement learning) vs. Ikke-superviseret læring

Forstærkningslæring (reinforcement learning)

Grundlæggende maskinlæring

Maskinlæring ved at prøve sig frem - et system handler, får belønning eller straf og lærer langsomt, hvilke handlinger der betaler sig.

Formelt

En form for maskinlæring, hvor en agent handler i et miljø, modtager et belønningssignal for resultaterne og lærer en måde at vælge handlinger på, der giver mest belønning over tid, uden at få vist den rigtige handling.

Forklaret enkelt

Som at lære en hund et trick med godbidder - ingen forklarer tricket, hunden lærer bare, hvilke bevægelser der giver en godbid.

I praksis

En energiansvarlig i en region tester et system, der styrer ventilationen i en hospitalsfløj; det får belønning for at bruge mindre strøm og straf, hver gang en afdeling bliver for varm eller for kold.

Hvorfor det betyder noget

Systemet lærer præcis det, belønningen måler, ikke det, man mente, så en dårligt valgt belønning kan lære det at snyde eller at behage frem for at have ret.

Ikke-superviseret læring

Grundlæggende maskinlæring

Maskinlæring ud fra eksempler uden svar, hvor modellen selv finder grupper, mønstre eller usædvanlige tilfælde.

Formelt

En form for maskinlæring, der arbejder på træningsdata uden mærkater og finder struktur i dem - fx ved at gruppere lignende ting eller markere ting, der skiller sig ud fra resten.

Forklaret enkelt

Som at sortere en kasse blandede knapper i bunker efter farve og størrelse, uden at nogen har fortalt dig, hvilke bunker der skal være.

I praksis

Et overvågningsværktøj på et hospital lærer, hvordan normale logins ser ud, og slår alarm, når en sygeplejerskes konto pludselig logger ind kl. 3 om natten fra et andet land.

Hvorfor det betyder noget

Den kan opdage nye, ukendte trusler, som ingen har mærket endnu, men markerer også harmløs usædvanlig adfærd, så mennesker stadig skal vurdere alarmerne.

Fælles forbindelser

Maskinlæring Superviseret læring