áá ááĽá!
á¨áááľ áááľ á ááľ á¨á°áťá á˝ááá˝á áŤá áŽáľ áĽá ááá˝ á áá á¨áľáá ááľ áľáŠá¨áľ áĽáá áááá á áĽááĽáá á áá°ááá - áᏠáá áá¨áľ áŤá áĽáá°ááááᢠá á áááš áááľ áá á¨áá¨á á á áŁáĽáá áĽá á ááŁá˘ááťá˝áá áĽáá°ááŤáľá¨ááá á°áľá áĽáá°ááááᣠáĽáá áá ááĽá á ááá áá á¨áá¨áŤá¨áá áľá á¨áááá° ááἠáľááśá˝ áá áŤááá áá°á¨áłá áľáŤ á ááĽá áá ááá á áá áłááŁáá ᢠáá° áľáᡠáĽááłá á°á á ááĄ!
áĽ.á¤.á . á ááá˝ 2017 OpenAI á˝ááá á áá°á á áĽáá
áľáá
ááľ áá
á á¨á°áĽ ááľáĽ áŠá¸áľ áá á¨á˘
á¨áááá° ááἠáľááśá˝
á¨OpenAI ááŁáĽá áá ááĽáĽ á¨áá áá¨áŞáŤ áľáá
ááľá á¨áŁá
áá á¨ááᣠáľáááľ áá á ááŁáá á¨áá áá ááá
"á¨áááá° ááἠáľáľáŤá´á" (ES) áĽá¨á°áŁá á¨áá áŤáá á áá áá ááľáĽáľáĽ á˝ááŽá˝á ááááłáľ á¨ááá ááľáááá á á°áłáŤ áááł áá°áá áá¸á áá áᢠáĽáá˛á
áááṠᨠES á ááŤá¨áĽ á ááľááá á°á á¨ááĽá°áľ áľáááľá áá á á
áá, áĽá áĽá ááŞáá˝ á áľáአá¨áá°áŠ áĽá á¨áá
áľáááľ á¨á°áá¨áĄ áááŞáŤáá˝á áá ááá. áĽáŤááłááą ááŞá á¨áá°áŤá á áŤáą á áŤáŁá˘ ááᣠáĽá á¨á°áá°á á¨áľááááľ áááá˝ ááá á¨áľááááľ á°á¨ááá˝ á˛á ááá
ᣠá áááŞáá áĽáá° á¨á áŤá áĽááľ áá¤áľ á¨á°ááá¸áá áľáá á˝áááľ ááááłáᢠá¨áá
áá á ááťá á¨áááŞáŤáá˝ áľáááą áá° áľáŹáłá ááŞáá˝ áá¸ááá áá˝áá, áá
á áĽáá áŤáá°áłáŤáá¸á. á ááśáá˝ á¨ááá አááŞáá˝ á ááłá°áá áľ áá á áááŽáá˝ áááá አáááŤáľ áĽáá˛á
ááááąá ááś áĽáá á ááľáá á¨ááĽá°áľ áľáááľá áá° áŚáłá áááá áĽá á°ááŤáŽá˝ á°ááŁáŤá¸áá ááááłáľ á¨áĽáŤáľ ááá˛á ááá
á¨á˝ áŤáľá˝ááá. á áĽááἠá á áááš ááľáĽ á¨áá¨áĄáľ áá¤áśá˝ á áľá°áá áá¸á-á ááľ áşá
ááŞáá˝á á áľáአá¨ááŽáĄ á¨áá ᣠá¨á፠á áááľ áĽááŽá˝ áá á ááľáŽááááá ááŽáá˝á á¨ááá˝ á°ááľ áŁáá° áá ááľáĽ ááá áĽáá°ááťá áŤáłáŤá (ááá áá á áŁá á¨áá ᨠRL áá´áá˝ áĽááłá á¨á áá ááááá) á ááľ á°ááľ). áá áá áááá áá¨á á áŁá áĽáŠáá áĽáá˛áŤáᥠáĽáááŤááá˘
á ááľáŽááááá áἠáŤá á¨áĽáá ááá áááľá°áá á¨á°ááŤáŠ áľááśá˝ á¨OpenAI's ES áá´ á°ááŠá˘
áĽáá áłáĽá
á¨áá áá´ áľáá áĽá á á ááá áľáአááá áá˝áá. áĽáá° A3C áŤá á¨RL áá´áá˝ á á áŤá°á ááŽá˝ áĽá á ááŤááľá á áááá ááŤá¨á ááááἠá¨ááŤáľáááá¸á á˘áááᣠES á¨áá¨áá፠ááĽáŚá˝á áĽá á á ááá á¨áááŞáŤ áľáááľ áá¨áá áĽáť áááááᢠá áľááá á áá áááááľ ááááŤáľ áá áá´ á¨ááááá ᨠRL áá´áá˝ á áááŞáŤ á˝ááłáá˝ áĽá á á¨áá áá. ááá áá, áá áá á á¨ááą á áá°áá: á áĽáá áłáĽá ááá áá°á¨áľ ááľáááá áááťá¸áľ á ááĽááľ. á áá ááłá áá "áĽáá áŁáĽá" áááľ á áľáá á áá áľ á¨ááľááá ááľáŁá ááá á áá á áá á˝á ááŁáá, áĽá á á ááá áá¤áą (á á ááľ ááá á˝áááľ) áĽáť áĽá á áá áááá, áĽá á¨á ááľ á¨á°áá°á á ááłá¨ áá¨áĽ ááĽá°áśá˝ áĽáá°ááá ááá°áá. á áááĽááľ áľáááśá˝ ááááłá. á¨á áŤáŁá˘á áĽá ááĽá¨ áááľ áŁááááá áľ áááł - áĽá á áĽá áŁá áá ᨠRL á°ááŁáŤáľ á¨á˝áááľ áĽá¨áą á áŁá á ááł áá - á˝áአᨠ"á¨áá áĽáá áłáĽá" áá° "áá áĽáá áłáĽá" áááłá. á áá áááł á ááááá á áá ááá ááťáťá ááťáá, áľááá , á áĽáááĽ, áĽáá˛á ááááą áľááááľ áľáááá áá. " áááááá á°áľá á˘áľ áŤáŤáł áŤáá¸á ááŹá˛á¨ááśá˝ áá áŤáľáááá¸áá?" á¨ááá á á ááá á áľá°áŤá¨áľ ááá˘
ááá ááᣠá áľá°áŤá¨áą áá áἠáá á áááŁá¸á áááłáá˝áŁ áááŽá˝ á ES áľá á°áľ áááľ ááááŤáᢠá¨OpenAI áĄáľá ááá á¨MNIST áá°áŁ á ááłá¨ áá¨áĽ á˘á¤áľá á áá áá áĽáá´áľ áĽáá°á°áá á áááááᣠáĽá á áá áá áľáá áá 1000 áá á¨ááá° ááᢠáĽáááłá áá á ááľá áá°áŁ ááľáĽ áŤáá á¨ááŤá˛á¨ááľ ááááľ á ááłá¨ áá¨áĄá á¨á°áťá áá°áŁ áĽáá´áľ ááľá°áá áĽáá°ááťá áá áĽá á á áŁá áá¨á á°á ááᢠáľááá á á˝áአá RL á´ááá áłááá áŤáŤáł ááľ á ááľ á áá°áĄ á á¨áŁá˘áá˝ áá áŁá áĽááľ á˝áááśá˝ ááá˘
á á°ááĽáŽ á¨á°ááá áááľá
á¨á°ááĽáŽ áááá á¨áá¨áŠ, AIá áááłá á ááááśá˝á á áá°áĽ, á á ááłááľ áááłáá˝ AI áĽáá° ááá¨á áá˝áá
á¨á áĽá˘ áĽááľáłáľá á áĽááŻá áŁá ᪠á¨á°ááá¨áľá ᣠá¨á°áá á¨á á áááľ á¨á°áłá°áŠ áá°áśá˝ ááľáĽáľáĽ á áá á¨á፠á°á áĽá á¨á°ááł áááá áĽááŤáá- á¨á°ááᎠááá и á ááľá¨á ááá. á¨ááááŞáŤá á á°ááĽáŽ áá፠áĽá áá á¨áááá° ááἠáá á°áááś ááłáááᣠáá áĽáá á°á áŤá áá áĽá¨á°á áááŠá áľ áá á¤áááá˛ááľáŁ ááááŽáŁáŽáá˝ áĽá ááá˝ áĽááľ á ááľ á ááá˛á áááááľ á ááá¸á ááĽá¨áłáľ ááŤá¨á á¨áááľ áááἠáááľá¨á á¨áá¨áą áá´áá˝á áááŤá°áľ ááᢠááá°áá áá°áľ, á ááá ááá, á ááľ áĽááľáł á ááááľ ááá áá áááá á¨áá°áłá°á¨á áá¨á áá, áĽá áá áá¨á á ááĽáł áá áĽááľáł á¨ááá ááá áá áŁáá áááááľ ááááŤáľ áá. áá ááľáĽ á¨ááá ááᎠáááŽá˝á áááś ááá áĽáľá¨ á ááá áá°áľ ááľáĽ áŤááá áááááľ áĽáľá¨áááŁá á áľá¨áľ áááá áŤáŤáľáłáá˘
á áááľ, áĽááá áááľ á á°ááĽáŽ ááľáĽ á¨áá¨á°áą áá°áśá˝ á¨ááá á ááłá¨ áá¨áŚá˝á ááááťá¸áľ á¨áááľ á ááŤáŽá˝ áá áááłá°á áá˝áá. á¨áááá° ááἠáľááśá˝áŁ áľá gradients áá¨á áľá á áŤá áá¨á ááááá áĽá á áá á¨ááááᣠá¨á°ááᎠáááá áĽá¨áá¨á ááᢠá á°ááłáłá ᣠáá áá ááá áŤáá áááľ ááááą á ááŞá áŁá ᪠áá á ááłááľ áááŚá˝á á¨ááŤááŁá áľ á¨ááŤá˛á¨ááľ áá´áὠᣠá¨á°ááᎠá¨ááá áá áááłá°áŤáᢠá ááľ á°á áľá á áĽááŽá á áŁá ᪠ááááśá˝ ááá áĽáŤááłááłá¸á áĽááá áááľ á ááŤá¨áŚá˝ á áĽááľáłáľ ááľáĽ áľáááŤáłáĽáŠáľ á˝ááłáá˝ á˘áŤáľáĽ, áĽáá˛á ááááą áá˝á˝á áá áἠááá˝ áááá. á áááąá áááłáá˝ "á¨áááá° ááἠáá´áá˝" á¨á°áá°á á¨á áŤá áĽááľ áĽáľááľá (á á áááľ áááá¨áľ á á) á¨ááá á°áá ááá˝ á°áŞ áŁá áŞáŤáľ áĽááľá áŤá á¨áłáłá. ááŤááľ ááá á¨ááᎠáááἠááá á áĽá áááłáá˝ á ááá˛á á°á¨á á áĽá áĽááľáłáľ ááľáĽ "á á°á áááľ" áŁá áŞáŤáľ áá áĽáŠá áá. á á°á¨ááŞáᣠáá ááłá á¨á˝áááľ ááááą áĽá á á áŁá á áá á áá á ááłáá áľ áá á¨áááá° ááἠáá´áá˝ á°ááťáááľ áĽáá°áááŤá¸á áŤá¨áááŁá (áááłá ᣠáááá á á°áłáŤ áááł á¨ááłá°á áĽáááł)ᢠá áĽáá˛á áŤá áááł, áá áĽáááł á¨áá¨á°áą á¨áĽá á ááłáľ á ááľ á˝áááąá á¨á¨áľááá á¨á°áᨠáľáááľ áá ááááľ á ááťáá. á áá á áŠáᣠá˘á¤áľ áŤáá°áłáŤááľá ááłá áááľá á¨ááľá áá°áŁá á¨á°ááá¨áľáᣠáá¤áśáš á¨100+ áááłáľ á áá á á°á°á¨á áľáá ááĽá á ááá¸á á¨áľá-ááŚá áá¨áŤáá˝ á¨á°áááľ á¨áĽááľáłáľ áľáá ááľ áá¤áśá˝ áá á¨ááááá ááá˘
á¨áĽááľáłáľ áľáá ááľ
á áá áá¨áŞáŤ áľáá
ááľ ááľáĽ áĽá
á áá á¨ááááľ áá´áá˝ á áĽá ááłáŽá˝ áá á ááĽáł á¨áĽá-ááŚá á˝ááá˝ á¨á°áá°áą áá¸á
á á°ááᎠáľáá
ááľ ááľáĽ á¨áľáá ፠áľáá
ááľ ááá¨áá áá á¨áá á¨á°ááášáľá á°áááá áááłáá˝ á áŁá ááá
á áá ááááľ áááá ááᢠá¨áá
áá°á á áŁá áľáá˝ áá á°áĽá ááłá°áĽ á¨áá á¨á ááááľ (á¤ááśá˛á á˝áááľ) á áŁá áĽá
áĽá
áŤá áá á°áááˇáᢠá ááľá ááłáŁá áááł áááłá ââââáĽáá˛á
áŤá áá-á áĽáŤááłááą á
á˝á áľ, á áĽá˘ áĽááľáłá á ááá á á°ááłá°á á¨áľááľ áááááŤáá˝ áĽá áľáááśá˝ áá á ááááŽá áá¤áąá áŤá°áá, áĽááľáłá á ááá á áá
á
á¨áľ ááľáĽ áá ááá. á áá
áááł á¨áĽááľáłáą á¨áá¨á¨áť áŁá
᪠áĽá
áĽá
áŤá ááááľ áá°áŁá, áľáá áŤáá˝á ááá¨á áĽá áŁá
áŞá áááłá á áááŤáľ á áá áľ. á ááá áĽááá
á áá ááááśá˝ á¨áá ááá áá°ááľ áľáá áŤáá˝á ááááťá¸áľ áá (áĽá á áá
áá°á¨áľ á¨á°á¨ááá á°ááŁáŤáľ áĽáŤáľ)ᢠá¨áá
á ááŤá¨áĽ á á ááá áĽááł á áŁá áĽáŠ á ááá áá˝áá ááľáĽ á°á°áĽáˇá "
á¨á ááá á¨ááá á ááłá¨ áá¨áŚá˝ áľáá á
á á áĽá˘ á áĽá˘ á áĽáᎠááľáĽ áŁáá á¨áá°á á¨ááá áĽáá áľáá´ áááá˝ áá á ááááŽá ᣠáŤáááá¨áĽ áľáá ፠áá á¨á°á°á፠ᣠá á áἠáá á¨áá áá¨áŞáŤ áľáá ááľ á ááłááľ ááťáťá áłááˇá ᣠá áá á¨áĽáá°áá áŤá áľáá áŤáá˝á á áľáááááľ áááľ ááľáĽ áŤáľááŁáᢠáá á¨áááľ ááᣠáááľ á°ááłáłá áľáŤáá˝á ááááá áĽá˝ááááĄ-
áľá áá°ááą áá á áá°áá á áĽááá ááá°áľá ááá ááľáľá á ááá°á¨áá áľ á¨áłáľ á°ááŁáŤáľ áľáá ááľá áá áá¨á
á áĽááá áááąá áá¨ááśá˝ á°áŤá˛ááš á¨ááá ááľáááŽá˝á á¨á°áááą ááŁáŞ ááá˛á ááá°ááą á¨á áŤáŁá˘ áááłá á áááá¨áą áľáá áŤáá˝ áŤáááłá. á ááááŞáŤá á˝áá áá áľáá ፠á á°ááŤáŠ á¨áááŞáŤ á°ááááŽá˝ áá áá°áá áŤá, áĽá á ááá°áá ááľáĽ, á á áŤáŁá˘á áááŚá˝ áĽá áĽáá° ááŞá áŁá áŞ. á áááąá áááłáá˝áŁ á¨á áááłá áá áá¨áŞáŤ áá á¨á°áááá áľáá˝ ááááľ á¨á áá á¨á ááá áĽá á¨á áá áá¨á á°áŞ ááááᣠáá á áááąáá á¨á°áá á áľáá ááľ áĽá á¨á áá ááľáĽáľáĽ á¨áŁá ᪠á áŚá˝á ááááľ áá˝ááᢠáĽáá°ááá áŤá ááťáťáŤáá˝ á¨ááááľ áĽáá° ES áŁá á¨áĽáá áŁáĽá áá´áá˝ áłááá ááľ á ááľ á¨ááááľ áá´áá˝ áĽáť ááá˘
á á°á¨ááŞáᣠá ááĽáŤáľ áĽá ááľ á ááľ á¨ááá áá´áá˝ á¨á áá áá¤áłá áá¸áᢠá áĽáá፠áááłáá˝ ááľáĽ áĽááłá á¨áá áá¨áŞáŤ áľáá
ááľá á¨áá áá ááá
ᨠES áá´á á áá áá á¨á°áᨠá˝áá áááĽááľ á ááťáá áľ áá áŁáľáá á¨á°ááá á ES áľáľáŤá´á ááľáĽ ᨠRL á¨á áá áĽá áá á áá¨áአááᢠá áá
ááłá áá á¨áĽááľáłáľ á¨ááá áááá˝á á ááááŁá¨á
ᣠá¨áá á°á ááłá á¨ááá áá¤áľ á¨áĽá áľáááśá˝ á áá áĽáŤáąá áĽáá°áááἠáĽááľá°áááá ᣠá ááłááľ áá á¨áŤáą áááľ á ááľ áá á ááľá°áľ áĽááľáł ááááá áľáá
ááľ áĽáá˛ááľáľ á á ááᢠá°ááłáłá áá áłá
áłá˛áŤ ááá á áłáá áłá¸áá?
ááááŁáľ á¨áá á˝áá á áĽááá áĽá ᨠRL áá´áá˝á áĽá¨á°ááአáá á¨áá áľááľ áá°áá áá˝á áá áᢠááá áá, áĽáá° áĽáááą á¨áá, á á¨á á áá ááľáĽ, á áŁá áĽáŠá áááľá á¨áááąá áá´áá˝ áĽáá¨áľ áá, áľááá á áĽáŤááłááą á áŁá á°áľáá á áá áááł ááľáĽ áĽá á áá áááá. á ááá˝ ááá¨áľ áĽáá°ááťááᣠáĽá ááá˝ á°áŞ ááá˛áá˝ ááá á áŁá áĽááľ á áááłá á¨áá áá¨áŞáŤ ááááśá˝ áŁááŁá¸á áááłáá˝áŁ á˘á¤áľ áŤá¸áááᣠá á°áá á áĽááľá á á ááá áá áŤáá á¨ááľááľ ááá áŤáᣠá áľáá áľáአáľáá ááľ ááŤááľ áá˝ááᢠá áá á áŠá á¨áá áá¨áŞáŤ áľáá ááľá ááá ááľáľá á¨áá°á¨áá áľ áľáá ááľá á áá áá á¨ááŤá˛á¨ááľ áá´áá˝ áĽá á áľá°áŤá¨áśá˝ á˛ááŠá áĽá á˝áአá ááĽááľ áĽá á áľáá˝ áá¨á ááá á˛áááĽá á áá ááááá˘
áá° á°ááĽáŽ áľááá, á¨ááááŞáŤá áá´, á áá á¨áą, áááá°áá áá á¨áľ áĽáá°ááĽá áĽáááááá. ááá
á áá á áááá° ááἠáá°áľ ááľáĽ á áĽá˘ áĽááľáłáľ á¨á áŤáŁá˘á á¨ááᥠááľáĽáľáĽ ááááśá˝ ááłááľ áĽá
á á áŁá áá¤áłá á áá ááááľ áĽáá˛áአá¨ááŤáľá˝á á ááá áŤáłá áŠáľá˘ áľááá
áĽáŤáá áááľ áá áááŤá. ááááŁáľ á¨áááá° ááἠáľááśá˝ áá¤áłá á¨áľáá
ááľ á ááá´áá¸á ááááá°á áá¨áąáá ááľ á ááľ á¨ááá áá´áá˝á á áá ááááᢠá°ááá á á°ááĽáŽ á¨á°ááá áááľá á áĽááἠá áŁá á¨á°áłáŤ áá.
ááá: hab.com