诚如在之前文章提到的,机器学习按照从那里学的角度可以分为:监督学习,无监督学习和强化学习三大类。之前的文章大多数都是介绍的前两类,而第三类强化学习(RL)确是最接近我们所想象的人工智能。
强化学习简介
强化学习(RL)就是在环境中与环境的互动不停地学习的,非常像人类学习走路,学习骑车,学习游泳等等。
想象一下自己刚刚开始学习骑自行车的样子,东扭西歪的,还摔过不少跤,最后才逐渐熟练掌握的。这种东扭西歪的动作恰恰就是对周围环境的不停反馈,如果动作不当摔倒了,就是个负反馈,下次再做这个动作就要小心了。用力蹬踏板的时候车子就向前走,这就是个正反馈,要继续保持这个动作前进。
与学习监督学习和非监督学习不一样,强化学习涉及到环境(Environment),反馈(Reward),智能体(Agent),Action(行动)并不是写几段Python代码,找个数据库就能开始学习的。还好,现在有有如OpenAI这样的开源平台,让初学者能够很快通过游戏的形式上手强化学习的项目。
在这里我简单介绍一个OpenAI 里面的小游戏,抛砖引玉让大家理解一下什么是强化学习。
OpenAI
OpenAI 的gym里面有一个叫(cart_pos的小游戏)[gym.openai.com],就是水平方向上有一个可以左右移动的平台,平台上有一个木棍,在重力的作用下会左右摇摆,你要做的事情就是左右移动平台使其保持平衡不要掉下来。
![img_24ec46a849a1bda6d434fe6f8f3f47e5.gif](https://yqfile.alicdn.com/img_24ec46a849a1bda6d434fe6f8f3f47e5.gif?x-oss-process=image/resize,w_1400/format,webp)
游戏的环境参数实际上就是如下图的四个变量:
[Horizontal Position,Horizontal Velocity, Angle of Pole, Angular Velocity]
![img_b317ef5fa782bfba7827cf10c8cf5334.png](https://yqfile.alicdn.com/img_b317ef5fa782bfba7827cf10c8cf5334.png?x-oss-process=image/resize,w_1400/format,webp)
首先以最简单的方式造一个机器人。
# Gotta import gym!
import gym
# Make the environment, replace this string with any
# from the docs. (Some environments have dependencies)
env = gym.make('CartPole-v0')
# Reset the environment to default beginning
env.reset()
# Using _ as temp placeholder variable
for _ in range(1000):
# Render the env
env.render()
# 这里是关键
env.step(env.action_space.sample()) # take a random action
这段代码不多解释,可以参考官方网文档, 其中最关键的是这一句
env.step(env.action_space.sample())
我们实际上是让平台随机移动,可以想象结果是这样的。
![img_23eb9a0529e2ddd4618be0a45ae66b8b.gif](https://yqfile.alicdn.com/img_23eb9a0529e2ddd4618be0a45ae66b8b.gif?x-oss-process=image/resize,w_1400/format,webp)
代码控制Agent
一般学习的对象我们叫做机器人或者Agent, 我们怎么简单地让这个Agent 智能一下呢?
最简单的方法就是当棍子向左偏的时候(Angle >0)就向右移动(Action = 1),向右偏(Angle<=0)就向左移动(Action = 0)。代码实现如下:
注意,四个环境变量是需要在obseervation中提取出来的,角度参数就是pole_ang
import gym
env = gym.make('CartPole-v0')
# print(env.action_space.)
# #> Discrete(2)
# print(env.observation_space)
# #> Box(4,)
observation = env.reset()
for t in range(1000):
env.render()
cart_pos , cart_vel , pole_ang , ang_vel = observation
# Move Cart Right if Pole is Falling to the Right
# Angle is measured off straight vertical line
if pole_ang > 0:
# Move Right
action = 1
else:
# Move Left
action = 0
# Perform Action
observation , reward, done, info = env.step(action)
print(observation)
效果如下,虽然还是不稳定,但是比让平台随机移动还是有了点效果。
![img_b7ab25c38cf6c076fc61a58f721774a5.gif](https://yqfile.alicdn.com/img_b7ab25c38cf6c076fc61a58f721774a5.gif?x-oss-process=image/resize,w_1400/format,webp)
总结
注意上面通过if语句实现对Agent的控制,是完全没有用到机器学习的,因为逻辑是写死的,机器根本就没有“学习”的过程。
这里用这个例子只是简单让读者理解强化学习是什么,就是向人一样,通过行动和环境的反馈不停地修正进行学习的。后续的文章会引入神经网路,让机器学起来。
相关文章
AI学习笔记之——如何理解机器学习(Machine Learning)
人工智能学习笔记之——人工智能基本概念和词汇
人工智能学习笔记二 —— 定义问题
文章首发steemit.com 为了方便墙内阅读,搬运至此,欢迎留言或者访问我的Steemit主页