ํค์ด ํ๋ธ๋ฅด!
์ฐ๋ฆฌ๋ XNUMX๋ ์ด ์ง๋ ์ฝ๋๋ ์๊ณ ํ๋ฌธ์ ์ฑ๊ฒฉ์ด ๋ถ๋ช ํ ํ ์คํธ์ ๋ฒ์ญ์ ์ฌ๊ธฐ์ ๊ฒ์ํ๊ธฐ๋ก ๊ฒฐ์ ํ์ง ์๋ ๊ฒฝ์ฐ๊ฐ ๋ง์ต๋๋ค. ํ์ง๋ง ์ค๋์ ์์ธ๋ฅผ ๋๊ฒ ์ต๋๋ค. ์ฐ๋ฆฌ๋ ๊ธฐ์ฌ ์ ๋ชฉ์ ์ ๊ธฐ๋ ๋๋ ๋ง๊ฐ ๋ง์ ๋ ์๋ค์๊ฒ ๊ฑฑ์ ์ด ๋๊ธฐ๋ฅผ ๋ฐ๋๋๋ค. ๊ทธ๋ฆฌ๊ณ ์ฌ๋ฌ๋ถ์ ์ด๋ฏธ ์ด ๊ฒ์๋ฌผ์ด ์๋ณธ์์ ์ฃผ์ฅํ๋ ์งํ ์ ๋ต์ ๋ํ ๊ธฐ๋ณธ ์์ ์ ์ฝ์๊ฑฐ๋ ์ง๊ธ ์ฝ์ ๊ฒ์ ๋๋ค. ๊ณ ์์ด์ ์ค์ ๊ฒ์ ํ์ํฉ๋๋ค!
2017๋
XNUMX์ OpenAI๋ โ
์งํ ์ ๋ต
OpenAI ๋
ผ๋ฌธ์ ์ฃผ์ ์ฃผ์ ๋ ์ ํต์ ์ธ ์ญ์ ํ์ ๊ฒฐํฉ๋ ๊ฐํ ํ์ต์ ์ฌ์ฉํ๋ ๋์ "์งํ ์ ๋ต"(ES)์ด๋ผ๊ณ ๋ถ๋ฅด๋ ๊ฒ์ ์ฌ์ฉํ์ฌ ๋ณต์กํ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๊ธฐ ์ํด ์ ๊ฒฝ๋ง์ ์ฑ๊ณต์ ์ผ๋ก ํ๋ จํ๋ค๋ ๊ฒ์
๋๋ค. ์ด ES ์ ๊ทผ ๋ฐฉ์์ ์ฌ๋ฌ ์์ด์ ํธ๊ฐ ๋ณ๋ ฌ๋ก ์๋ํ๊ณ ์ด ๋ถํฌ์์ ์ ํ๋ ๋งค๊ฐ๋ณ์๋ฅผ ์ฌ์ฉํ์ฌ ๋คํธ์ํฌ ์ ์ฒด์ ๊ฐ์ค์น ๋ถํฌ๋ฅผ ์ ์งํ๋ ๊ฒ์ผ๋ก ๊ตฌ์ฑ๋ฉ๋๋ค. ๊ฐ ์์ด์ ํธ๋ ์์ฒด ํ๊ฒฝ์์ ์๋ํ๋ฉฐ ์ง์ ๋ ์์ ์ํผ์๋ ๋๋ ์ํผ์๋ ๋จ๊ณ๊ฐ ์๋ฃ๋๋ฉด ์๊ณ ๋ฆฌ์ฆ์ ๋์ ๋ณด์์ ํผํธ๋์ค ์ ์๋ก ํ์ํ์ฌ ๋ฐํํฉ๋๋ค. ์ด ๊ฐ์ ๊ณ ๋ คํ๋ฉด ๋งค๊ฐ๋ณ์ ๋ถํฌ๊ฐ ๋ ์ฑ๊ณต์ ์ธ ์์ด์ ํธ ์ชฝ์ผ๋ก ์ด๋๋๊ณ ๋ ์ฑ๊ณต์ ์ธ ์์ด์ ํธ๋ ๋ฐํ๋ ์ ์์ต๋๋ค. ์๋ฐฑ ๋ช
์ ์์ด์ ํธ๊ฐ ์ฐธ์ฌํ์ฌ ์ด๋ฌํ ์์
์ ์๋ฐฑ๋ง ๋ฒ ๋ฐ๋ณตํจ์ผ๋ก์จ ์์ด์ ํธ๊ฐ ์์ ์๊ฒ ํ ๋น๋ ์์
์ ํด๊ฒฐํ๊ธฐ ์ํ ๊ณ ํ์ง ์ ์ฑ
์ ๊ณต์ํํ ์ ์๋ ๊ณต๊ฐ์ผ๋ก ๊ฐ์ค์น ๋ถํฌ๋ฅผ ์ด๋ํ ์ ์์ต๋๋ค. ์ค์ ๋ก ๊ธฐ์ฌ์ ์ ์๋ ๊ฒฐ๊ณผ๋ ์ธ์์ ์
๋๋ค. ์์ฒ ๊ฐ์ ์์ด์ ํธ๋ฅผ ๋ณ๋ ฌ๋ก ์คํํ๋ฉด XNUMX๋ถ ์ด๋ด์ ๋ ๋ค๋ฆฌ์ ์์ธํ๋ ์ด๋์ ํ์ตํ ์ ์๋ ๊ฒ์ผ๋ก ๋ํ๋ฌ์ต๋๋ค(๊ฐ์ฅ ์ง๋ณด๋ RL ๋ฐฉ๋ฒ์ด๋ผ๋ ๋ ๋ง์ ๋น์ฉ์ ๋ค์ฌ์ผ ํจ). XNUMX์๊ฐ ์ด์). ๋ ์์ธํ ์ ๋ณด๋ฅผ ๋ณด๋ ค๋ฉด ํ๋ฅญํ ๋ด์ฉ์ ์ฝ์ด ๋ณด์๊ธฐ ๋ฐ๋๋๋ค.
OpenAI์ ES ๋ฐฉ๋ฒ์ ์ฌ์ฉํ์ฌ ์ฐ๊ตฌ๋ ์์ธํ ์ง๋ฆฝ๋ณดํ ๊ต์ก์ ์ํ ๋ค์ํ ์ ๋ต.
๋ธ๋ ๋ฐ์ค
์ด ๋ฐฉ๋ฒ์ ๊ฐ์ฅ ํฐ ์ฅ์ ์ ์ฝ๊ฒ ๋ณ๋ ฌํํ ์ ์๋ค๋ ๊ฒ์ ๋๋ค. A3C์ ๊ฐ์ RL ๋ฐฉ๋ฒ์ ์์ ์ ์ค๋ ๋์ ๋งค๊ฐ๋ณ์ ์๋ฒ ๊ฐ์ ์ ๋ณด๋ฅผ ๊ตํํด์ผ ํ์ง๋ง ES๋ ์ ํฉ๋ ์ถ์ ๋ฐ ์ผ๋ฐํ๋ ๋งค๊ฐ๋ณ์ ๋ถํฌ ์ ๋ณด๋ง ํ์ํฉ๋๋ค. ์ด ๋ฐฉ๋ฒ์ด ํ์ฅ ๊ธฐ๋ฅ ์ธก๋ฉด์์ ์ต์ RL ๋ฐฉ๋ฒ๋ณด๋ค ํจ์ฌ ์์ ์๋ ๊ฒ์ ์ด๋ฌํ ๋จ์์ฑ ๋๋ฌธ์ ๋๋ค. ๊ทธ๋ฌ๋ ์ด ๋ชจ๋ ๊ฒ์ด ํ๋์ง๋ ์์ต๋๋ค. ๋ธ๋๋ฐ์ค ์์น์ ๋ฐ๋ผ ๋คํธ์ํฌ๋ฅผ ์ต์ ํํด์ผ ํฉ๋๋ค. ์ด ๊ฒฝ์ฐ, "๋ธ๋๋ฐ์ค"๋ ํ์ต ์ค์ ๋คํธ์ํฌ์ ๋ด๋ถ ๊ตฌ์กฐ๋ฅผ ์์ ํ ๋ฌด์ํ๊ณ ์ ์ฒด ๊ฒฐ๊ณผ(์ํผ์๋์ ๋ํ ๋ณด์)๋ง ์ฌ์ฉ๋๋ฉฐ ์ด์ ๋ฐ๋ผ ํน์ ๋คํธ์ํฌ์ ๊ฐ์ค์น๊ฐ ๋ฌ๋ผ์ง ์ ์์์ ์๋ฏธํฉ๋๋ค. ๋ค์ ์ธ๋์ ๋ฌผ๋ ค๋ฐ๊ฒ ๋ฉ๋๋ค. ํ๊ฒฝ์ผ๋ก๋ถํฐ ๋ง์ ํผ๋๋ฐฑ์ ๋ฐ์ง ๋ชปํ๋ ์ํฉ์์(๊ทธ๋ฆฌ๊ณ ๋ง์ ์ ํต์ ์ธ RL ๋ฌธ์ ์์ ๋ณด์์ ํ๋ฆ์ด ๋งค์ฐ ํฌ๋ฐํจ) ๋ฌธ์ ๋ "๋ถ๋ถ์ ์ผ๋ก ๋ธ๋ ๋ฐ์ค"์์ "์์ ํ ๋ธ๋ ๋ฐ์ค"๋ก ๋ณํฉ๋๋ค. ์ด ๊ฒฝ์ฐ ์์ฐ์ฑ์ ํฌ๊ฒ ๋์ผ ์ ์์ผ๋ฏ๋ก ๋ฌผ๋ก ๊ทธ๋ฌํ ํํ์ด ์ ๋นํฉ๋๋ค. "์ด์จ๋ ์ ๋ง์ ์ผ๋ก ์๋๋ฝ๋ค๋ฉด ๋๊ฐ ๊ทธ๋ผ๋ฐ์ด์ ์ด ํ์ํฉ๋๊น?" - ์ด๊ฒ์ด ์ผ๋ฐ์ ์ธ ์๊ฒฌ์ ๋๋ค.
๊ทธ๋ฌ๋ ํผ๋๋ฐฑ์ด ๋ ํ๋ฐํ ์ํฉ์์๋ ES์ ๋ฌธ์ ๊ฐ ๋ฐ์ํ๊ธฐ ์์ํฉ๋๋ค. OpenAI ํ์ ES๋ฅผ ์ฌ์ฉํ์ฌ ๊ฐ๋จํ MNIST ๋ถ๋ฅ ๋คํธ์ํฌ๋ฅผ ํ๋ จํ ๋ฐฉ๋ฒ์ ์ค๋ช ํ๋ฉฐ, ์ด๋ฒ์๋ ํ๋ จ ์๋๊ฐ 1000๋ฐฐ ๋๋ ธ์ต๋๋ค. ์ฌ์ค ์ด๋ฏธ์ง ๋ถ๋ฅ์ ๊ธฐ์ธ๊ธฐ ์ ํธ๋ ๋คํธ์ํฌ์ ๋ ๋์ ๋ถ๋ฅ๋ฅผ ๊ฐ๋ฅด์น๋ ๋ฐฉ๋ฒ์ ๋ํด ๋งค์ฐ ์ ์ตํฉ๋๋ค. ๋ฐ๋ผ์ RL ๊ธฐ์ ์์๋ ๋ฌธ์ ๊ฐ ์ ๊ณ ์ก์์ด ๋ง์ ๊ทธ๋ผ๋ฐ์ด์ ์ ์์ฑํ๋ ํ๊ฒฝ์์๋ ๋ณด์์ด ํฌ๋ฐํ ๋ ๋ฌธ์ ๊ฐ ๋ ๋ง์ต๋๋ค.
์์ฐ์ ์๋ฃจ์
์์ฐ์ ์ฌ๋ก์์ ๋ฐฐ์ฐ๊ณ AI๋ฅผ ๊ฐ๋ฐํ ๋ฐฉ๋ฒ์ ์๊ฐํ๋ค๋ฉด ์ด๋ค ๊ฒฝ์ฐ์๋ AI๋ฅผ ๋ค์๊ณผ ๊ฐ์ด ์๊ฐํ ์ ์์ต๋๋ค.
ํฌ์ ๋ฅ์ ์ง์ ํ๋์ ์กฐ์ฌํ ๊ฒฐ๊ณผ, ์ฐ๋ฆฌ๋ ๊ทธ๊ฒ์ด ๋ฐ์ ํ๊ฒ ์ํธ ์ฐ๊ด๋ ๋ ๊ฐ์ง ํ๋ก์ธ์ค์ ๋ณต์กํ ์ํธ ์ํฅ์ ๊ฒฐ๊ณผ๋ก ํ์ฑ๋๋ค๋ ๊ฒ์ ์ ์ ์์ต๋๋ค. ๋ค๋ฅธ ์ฌ๋์ ๊ฒฝํ์ผ๋ก๋ถํฐ ๋ฐฐ์ฐ๊ธฐ ะธ ํ๋ฉด์ ๋ฐฐ์ฐ๋ค. ์ ์๋ ์ข ์ข ์์ฐ ์ ํ์ ์ํ ์งํ์ ๋์ผ์๋์ง๋ง ์ฌ๊ธฐ์๋ ์ ์ ์ ์ผ๋ก ๊ด๋ จ์ด ์๋ ์ ๊ธฐ์ฒด ๊ฐ์ ๊ฒฝํ ๊ณต์ ๋ฅผ ๊ฐ๋ฅํ๊ฒ ํ๋ ํ์์ ์ ํ, ๋ฏธ์๋ฌผ๊ตฐ์ง ๋ฐ ๊ธฐํ ๋ฉ์ปค๋์ฆ์ ๊ณ ๋ คํ๊ธฐ ์ํด ๋ ๋์ ์ฉ์ด๋ฅผ ์ฌ์ฉํฉ๋๋ค. ๋ ๋ฒ์งธ ๊ณผ์ ์ธ ๊ฒฝํ์ ํตํ ํ์ต์ ๋๋ฌผ์ด ์ผ์ ๋์ ํ์ตํ๋ ๋ชจ๋ ์ ๋ณด์ด๋ฉฐ, ์ด ์ ๋ณด๋ ์ด ๋๋ฌผ๊ณผ ์ธ๋ถ ์ธ๊ณ์ ์ํธ ์์ฉ์ ์ํด ์ง์ ์ ์ผ๋ก ๊ฒฐ์ ๋ฉ๋๋ค. ์ด ๋ฒ์ฃผ์๋ ์ฌ๋ฌผ์ ์ธ์ํ๋ ํ์ต๋ถํฐ ํ์ต ๊ณผ์ ์ ๋ด์ฌ๋ ์์ฌ์ํต์ ์๋ฌํ๋ ๊ฒ๊น์ง ๋ชจ๋ ๊ฒ์ด ํฌํจ๋ฉ๋๋ค.
๋๋ต์ ์ผ๋ก ๋งํ๋ฉด ์์ฐ์์ ๋ฐ์ํ๋ ์ด ๋ ๊ฐ์ง ํ๋ก์ธ์ค๋ ์ ๊ฒฝ๋ง์ ์ต์ ํํ๋ ๋ ๊ฐ์ง ์ต์ ๊ณผ ๋น๊ตํ ์ ์์ต๋๋ค. ๊ธฐ์ธ๊ธฐ์ ๋ํ ์ ๋ณด๋ฅผ ์ฌ์ฉํ์ฌ ์ ๊ธฐ์ฒด์ ๋ํ ์ ๋ณด๋ฅผ ์ ๋ฐ์ดํธํ๋ ์งํ ์ ๋ต์ ๋ค๋ฅธ ์ฌ๋์ ๊ฒฝํ์ ํตํด ๋ฐฐ์ฐ๋ ๊ฒ๊ณผ ๋น์ทํฉ๋๋ค. ๋ง์ฐฌ๊ฐ์ง๋ก, ํ๋ ๋๋ ๋ค๋ฅธ ๊ฒฝํ์ ์ป์ผ๋ฉด ์์ด์ ํธ ํ๋์ ํ๋ ๋๋ ๋ค๋ฅธ ๋ณํ๋ก ์ด์ด์ง๋ ๊ฒฝ์ฌ ๋ฐฉ๋ฒ์ ์์ ์ ๊ฒฝํ์ ํตํด ํ์ตํ๋ ๊ฒ๊ณผ ๋น์ทํฉ๋๋ค. ์ด ๋ ๊ฐ์ง ์ ๊ทผ๋ฒ์ด ๋๋ฌผ์์ ๋ฐ๋ฌํ๋ ์ง๋ฅ์ ์ธ ํ๋์ด๋ ๋ฅ๋ ฅ์ ์ ํ์ ์๊ฐํด ๋ณด๋ฉด ๋น๊ต๊ฐ ๋์ฑ ๋๋ ทํด์ง๋๋ค. ๋ ๊ฒฝ์ฐ ๋ชจ๋ "์งํ์ ๋ฐฉ๋ฒ"์ ํน์ ์ฒด๋ ฅ(์ด์๋จ๊ธฐ์ ์ถฉ๋ถํ)์ ๊ฐ๋ฐํ ์ ์๋ ๋ฐ์ ํ๋์ ๋ํ ์ฐ๊ตฌ๋ฅผ ์ด์งํฉ๋๋ค. ๊ฑท๋ ๋ฒ์ ๋ฐฐ์ฐ๊ฑฐ๋ ๊ฐ๊ธ ์ํ์์ ํ์ถํ๋ ๊ฒ์ ๋ง์ ๊ฒฝ์ฐ ์ ์ ์ ์์ค์์ ๋ง์ ๋๋ฌผ์๊ฒ "๋ด์ฌ๋" ๋ณด๋ค "๋ณธ๋ฅ์ ์ธ" ํ๋๊ณผ ๋์ผํฉ๋๋ค. ๋ํ, ์ด ์๋ ๋ณด์ ์ ํธ๊ฐ ๊ทนํ ๋๋ฌธ ๊ฒฝ์ฐ(์: ์ฑ๊ณต์ ์ธ ์๊ธฐ ์์ก ์ฌ์ค)์๋ ์งํ ๋ฐฉ๋ฒ์ด ์ ์ฉ ๊ฐ๋ฅํจ์ ํ์ธ์์ผ ์ค๋๋ค. ๊ทธ๋ฌํ ๊ฒฝ์ฐ, ์ด ์ฌ์ค์ด ๋ฐ์ํ๊ธฐ ์๋ ์ ์ ์ํ๋์์ ์ ์๋ ํน์ ์์ ์งํฉ๊ณผ ๋ณด์์ ์ฐ๊ด์ํค๋ ๊ฒ์ ๋ถ๊ฐ๋ฅํฉ๋๋ค. ๋ฐ๋ฉด์ ES๊ฐ ์คํจํ๋ ๊ฒฝ์ฐ, ์ฆ ์ด๋ฏธ์ง ๋ถ๋ฅ๋ฅผ ๊ณ ๋ คํ๋ฉด ๊ทธ ๊ฒฐ๊ณผ๋ 100๋ ์ด์ ์งํ๋ ์๋ง์ ํ๋ ์ฌ๋ฆฌ ์คํ์์ ์ป์ ๋๋ฌผ ํ์ต ๊ฒฐ๊ณผ์ ๋๋ ๋งํผ ๋น์ทํฉ๋๋ค.
๋๋ฌผ๋ก๋ถํฐ ๋ฐฐ์ฐ๊ธฐ
๊ฐํ ํ์ต์ ์ฌ์ฉ๋๋ ๋ฐฉ๋ฒ์ ๋ง์ ๊ฒฝ์ฐ ์ฌ๋ฆฌํ ๋ฌธํ์์ ์ง์ ๊ฐ์ ธ์จ ๊ฒ์
๋๋ค.
๊ฒฝํ์ ํตํ ํ์ต์์ ์์ธก์ ์ค์ฌ ์ญํ ์ ์์์ ์ค๋ช
ํ ์ญํ์ ์ค์ํ ๋ฐฉ์์ผ๋ก ๋ณํ์ํต๋๋ค. ์ด์ ์๋ ๋งค์ฐ ํฌ๋ฐํ(์ผ์์ ๋ณด์) ๊ฒ์ผ๋ก ๊ฐ์ฃผ๋์๋ ์ ํธ๊ฐ ๋งค์ฐ ์กฐ๋ฐํ ๊ฒ์ผ๋ก ๋ํ๋ฌ์ต๋๋ค. ์ด๋ก ์ ์ผ๋ก ์ํฉ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค. ์ธ์ ๋ ์ง ํฌ์ ๋ฅ์ ๋๋ ๊ฐ๊ฐ ์๊ทน๊ณผ ํ๋์ ๋ณต์กํ ํ๋ฆ์ ๊ธฐ๋ฐ์ผ๋ก ๊ฒฐ๊ณผ๋ฅผ ๊ณ์ฐํ๋ ๋ฐ๋ฉด, ๋๋ฌผ์ ๋จ์ํ ์ด ํ๋ฆ์ ์ ๊ฒจ ์์ต๋๋ค. ์ด ๊ฒฝ์ฐ, ๋๋ฌผ์ ์ต์ข
ํ๋์ ์์ธก ์กฐ์ ๊ณผ ํ๋ ๋ฐ๋ฌ์ ์๋ดํ๋ ๋ฐ ์ฌ์ฉํด์ผ ํ๋ ๊ฐ๋ ฅํ ์ ํธ๋ฅผ ์ ๊ณตํฉ๋๋ค. ๋๋ ๋ฏธ๋์ ๋ํ ์์ธก(๋ฐ ์ด์ ๋ฐ๋ผ ์ทจํด์ง ์กฐ์น์ ํ์ง)์ ์ต์ ํํ๊ธฐ ์ํด ์ด๋ฌํ ๋ชจ๋ ์ ํธ๋ฅผ ์ฌ์ฉํฉ๋๋ค. ์ด ์ ๊ทผ ๋ฐฉ์์ ๋ํ ๊ฐ์๋ ํ๋ฅญํ ์ฑ
"
์ ๊ฒฝ๋ง์ ๋ํ ๋์ฑ ํ๋ถํ ํ๋ จ
๋์์์ด ์์ธก์ ๋ฐ์ ํฌ์ ๋ฅ์ ๋์ ๋ด์ฌ๋ ๋ ๋์ ์ ๊ฒฝ ํ๋์ ์๋ฆฌ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ์ต๊ทผ ๊ฐํ ํ์ต์ด ๋ฐ์ ํ์ฌ ์ด๋ฌํ ์์ธก์ ์ค์์ฑ์ ๊ณ ๋ คํ๊ณ ์์ต๋๋ค. ๋๋ ์ฆ์ ๋น์ ์๊ฒ ๋ ๊ฐ์ง ์ ์ฌํ ์ํ์ ์ถ์ฒํ ์ ์์ต๋๋ค.
์ด ๋ ๋ ผ๋ฌธ ๋ชจ๋์์ ์ ์๋ ๋ฏธ๋ ํ๊ฒฝ ์ํ์ ๋ํ ์์ธก ๊ฒฐ๊ณผ๋ฅผ ์ฌ์ฉํ์ฌ ์ ๊ฒฝ๋ง์ ์ผ๋ฐ์ ์ธ ๊ธฐ๋ณธ ์ ์ฑ ์ ๋ณด์ํฉ๋๋ค. ์ฒซ ๋ฒ์งธ ๊ธ์์๋ ๋ค์ํ ์ธก์ ๋ณ์์ ์์ธก์ ์ ์ฉํ๊ณ , ๋ ๋ฒ์งธ ๊ธ์์๋ ํ๊ฒฝ ๋ณํ์ ์์ด์ ํธ์ ํ๋ ์์ฒด์ ์์ธก์ ์ ์ฉํฉ๋๋ค. ๋ ๊ฒฝ์ฐ ๋ชจ๋ ๊ธ์ ์ ์ธ ๊ฐํ์ ๊ด๋ จ๋ ํฌ๋ฐํ ์ ํธ๋ ํจ์ฌ ๋ ํ๋ถํ๊ณ ์ ์ตํด์ ธ์ ๋ ๋น ๋ฅธ ํ์ต๊ณผ ๋ ๋ณต์กํ ํ๋์ ํ๋์ด ๊ฐ๋ฅํด์ง๋๋ค. ์ด๋ฌํ ๊ฐ์ ์ฌํญ์ ๊ธฐ์ธ๊ธฐ ์ ํธ๋ฅผ ์ฌ์ฉํ๋ ๋ฐฉ๋ฒ์์๋ง ์ฌ์ฉํ ์ ์์ผ๋ฉฐ ES์ ๊ฐ์ "๋ธ๋ ๋ฐ์ค" ์๋ฆฌ๋ก ์๋ํ๋ ๋ฐฉ๋ฒ์์๋ ์ฌ์ฉํ ์ ์์ต๋๋ค.
๋ํ, ๊ฒฝํ๊ณผ ๊ทธ๋ผ๋ฐ์ด์
๋ฐฉ๋ฒ์ ํตํด ํ์ตํ๋ ๊ฒ์ด ํจ์ฌ ๋ ํจ๊ณผ์ ์
๋๋ค. ๊ฐํํ์ต์ ์ฌ์ฉํ๋ ๊ฒ๋ณด๋ค ES ๋ฐฉ๋ฒ์ ์ฌ์ฉํ์ฌ ํน์ ๋ฌธ์ ๋ฅผ ๋ ๋น ๋ฅด๊ฒ ์ฐ๊ตฌํ ์ ์๋ ๊ฒฝ์ฐ์๋ ES ์ ๋ต์ด RL๋ณด๋ค ๋ช ๋ฐฐ ๋ ๋ง์ ๋ฐ์ดํฐ๋ฅผ ํฌํจํ๋ค๋ ์ฌ์ค๋ก ์ธํด ์ด๋์ด ๋ฌ์ฑ๋์์ต๋๋ค. ์ด ๊ฒฝ์ฐ ๋๋ฌผ์ ํ์ต ์๋ฆฌ๋ฅผ ์ดํด๋ณด๋ฉด ๋ค๋ฅธ ์ฌ๋์ ์๋ฅผ ํตํด ํ์ตํ ๊ฒฐ๊ณผ๊ฐ ์ฌ๋ฌ ์ธ๋ ํ์ ๋ํ๋๋ ๋ฐ๋ฉด, ๋๋ก๋ ์์ฒด์ ์ผ๋ก ๊ฒฝํํ ๋จ์ผ ์ฌ๊ฑด๋ง์ผ๋ก๋ ๋๋ฌผ์ด ์์ํ ๊ตํ์ ๋ฐฐ์ฐ๊ธฐ์ ์ถฉ๋ถํ๋ค๋ ์ ์ ์ฃผ๋ชฉํฉ๋๋ค. ์ข์ํ๋ ๋์
๊ทธ๋ ๋ค๋ฉด ๊ทธ๊ฒ๋ค์ ๊ฒฐํฉํด ๋ณด๋ ๊ฒ์ ์ด๋จ๊น์?
์ด ๊ธฐ์ฌ์ ๋๋ถ๋ถ์ ๋ด๊ฐ RL ๋ฐฉ๋ฒ์ ์นํธํ๋ค๋ ์ธ์์ ๋จ๊ธธ ๊ฐ๋ฅ์ฑ์ด ๋์ต๋๋ค. ๊ทธ๋ฌ๋ ์ค์ ๋ก ์ฅ๊ธฐ์ ์ผ๋ก ๊ฐ์ฅ ์ข์ ํด๊ฒฐ์ฑ ์ ๋ ๊ฐ์ง ๋ฐฉ๋ฒ์ ๊ฒฐํฉํ์ฌ ๊ฐ ๋ฐฉ๋ฒ์ด ๊ฐ์ฅ ์ ํฉํ ์ํฉ์์ ์ฌ์ฉ๋๋ ๊ฒ์ด๋ผ๊ณ ์๊ฐํฉ๋๋ค. ๋ถ๋ช ํ ๋ง์ ๋ฐ์์ ์ ์ฑ ์ ๊ฒฝ์ฐ๋ ๊ธ์ ์ ์ธ ๊ฐํ ์ ํธ๊ฐ ๋งค์ฐ ํฌ๋ฐํ ์ํฉ์์๋ ES๊ฐ ์น๋ฆฌํฉ๋๋ค. ํนํ ๋๋ ๋ณ๋ ฌ ํ๋ จ์ ์คํํ ์ ์๋ ์ปดํจํ ์ฑ๋ฅ์ ๋ง์๋๋ก ์ฌ์ฉํ ์ ์๋ ๊ฒฝ์ฐ์๋ ๋์ฑ ๊ทธ๋ ์ต๋๋ค. ๋ฐ๋ฉด, ๊ฐํ ํ์ต์ด๋ ์ง๋ ํ์ต์ ์ฌ์ฉํ๋ ๊ฒฝ์ฌ ๋ฐฉ๋ฒ์ ๊ด๋ฒ์ํ ํผ๋๋ฐฑ์ ์ ๊ทผํ ์ ์๊ณ ๋ ์ ์ ๋ฐ์ดํฐ๋ก ๋ฌธ์ ๋ฅผ ์ ์ํ๊ฒ ํด๊ฒฐํ๋ ๋ฐฉ๋ฒ์ ๋ฐฐ์์ผ ํ ๋ ์ ์ฉํฉ๋๋ค.
์์ฐ์ผ๋ก ๋์๊ฐ์ ์ฐ๋ฆฌ๋ ๋ณธ์ง์ ์ผ๋ก ์ฒซ ๋ฒ์งธ ๋ฐฉ๋ฒ์ด ๋ ๋ฒ์งธ ๋ฐฉ๋ฒ์ ๊ธฐ์ด๋ฅผ ๋ง๋ จํ๋ค๋ ๊ฒ์ ์๊ฒ ๋ฉ๋๋ค. ์ด๊ฒ์ด ๋ฐ๋ก ์งํ ๊ณผ์ ์์ ํฌ์ ๋ฅ๊ฐ ํ๊ฒฝ์์ ์ค๋ ๋ณต์กํ ์ ํธ๋ก๋ถํฐ ๋งค์ฐ ํจ๊ณผ์ ์ผ๋ก ํ์ตํ ์ ์๋ ๋๋๋ฅผ ๊ฐ๋ฐํ ์ด์ ์
๋๋ค. ๋ฐ๋ผ์ ์ง๋ฌธ์ ์ฌ์ ํ โโ์ด๋ ค ์์ต๋๋ค. ์๋ง๋ ์งํ ์ ๋ต์ ๊ฒฝ์ฌ ํ์ต ๋ฐฉ๋ฒ์๋ ์ ์ฉํ ํจ๊ณผ์ ์ธ ํ์ต ์ํคํ
์ฒ๋ฅผ ๋ฐ๋ช
ํ๋ ๋ฐ ๋์์ด ๋ ๊ฒ์
๋๋ค. ๊ฒฐ๊ตญ, ์์ฐ์์ ์ฐพ์ ํด๊ฒฐ์ฑ
์ ์ค์ ๋ก ๋งค์ฐ ์ฑ๊ณต์ ์ด์์ต๋๋ค.
์ถ์ฒ : habr.com