{"id":276565,"date":"2016-03-21T09:54:07","date_gmt":"2016-03-21T06:54:07","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=276565"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=276565","title":{"rendered":"Deep Reinforcement Learning (\u0438\u043b\u0438 \u0437\u0430 \u0447\u0442\u043e \u043a\u0443\u043f\u0438\u043b\u0438 DeepMind)"},"content":{"rendered":"<p>       \u041f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u044e \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043f\u0440\u043e \u0443\u0441\u043f\u0435\u0445\u0438 DeepMind. \u042d\u0442\u043e\u0442 \u043f\u043e\u0441\u0442 \u043f\u0440\u043e \u0438\u0445 \u043f\u0435\u0440\u0432\u043e\u0435 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e\u0435 \u043f\u0443\u0431\u043b\u0438\u043a\u0435 \u0434\u043e\u0441\u0442\u0438\u0436\u0435\u043d\u0438\u0435 \u2014 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0438\u0433\u0440\u0430\u0442\u044c \u0432 \u0438\u0433\u0440\u044b Atari, \u043d\u0435 \u0437\u043d\u0430\u044f \u043e\u0431 \u0438\u0433\u0440\u0430\u0445 \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u043f\u0438\u043a\u0441\u0435\u043b\u0435\u0439 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d\u0435.<\/p>\n<p>  \u0412\u043e\u0442, \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0430\u0440\u0442\u0435\u0444\u0430\u043a\u0442 (\u0435\u0441\u043b\u0438 \u0432\u044b \u044d\u0442\u043e \u0432\u0438\u0434\u0435\u043e \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0438, \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e, \u043e\u043d\u043e \u0432\u0437\u0440\u044b\u0432\u0430\u0435\u0442 \u043c\u043e\u0437\u0433) \u2014 <\/p>\n<p>  <iframe loading=\"lazy\" width=\"560\" height=\"315\" src=\"https:\/\/www.youtube.com\/embed\/EfGD2qveGdQ?feature=oembed\" frameborder=\"0\" allowfullscreen><\/iframe><br \/>  \u0412\u043e\u0442 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e \u043f\u0443\u0431\u043b\u0438\u043a\u0435, \u043a\u043e\u0433\u0434\u0430 AI-\u043a\u043e\u043c\u043f\u0430\u043d\u0438\u044e \u043f\u043e\u043a\u0443\u043f\u0430\u044e\u0442 \u0437\u0430 \u043f\u043e\u043b \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u0430 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432.<br \/>  <a name=\"habracut\"><\/a><br \/>  <em>Disclaimer: \u043f\u043e\u0441\u0442 \u043d\u0430\u043f\u0438\u0441\u0430\u043d \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0438\u0437\u0440\u044f\u0434\u043d\u043e \u043e\u0442\u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043b\u043e\u0433\u043e\u0432 \u0447\u0430\u0442\u0430 <a href=\"http:\/\/closedcircles.com\/?invite=0c36b64786b4574a8d4b65bc9787ee123863ca9a\">closedcircles.com<\/a>, \u043e\u0442\u0441\u044e\u0434\u0430 \u0438 \u0441\u0442\u0438\u043b\u044c \u0438\u0437\u043b\u043e\u0436\u0435\u043d\u0438\u044f, \u0438 \u043d\u0430\u043b\u0438\u0447\u0438\u0435 \u0443\u0442\u043e\u0447\u043d\u044f\u044e\u0449\u0438\u0445 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432.<\/em><\/p>\n<p>  Seminal paper, \u043f\u0440\u043e \u0442\u043e \u043a\u0430\u043a \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u2014 <a href=\"https:\/\/www.cs.toronto.edu\/~vmnih\/docs\/dqn.pdf\">https:\/\/www.cs.toronto.edu\/~vmnih\/docs\/dqn.pdf<\/a><\/p>\n<h1>\u0418\u0442\u0430\u043a, \u0431\u044b\u0441\u0442\u0440\u043e \u0438 \u043d\u0430 \u043f\u0430\u043b\u044c\u0446\u0430\u0445 \u043f\u0440\u043e Q-learning<\/h1>\n<p>  \u041f\u0443\u0441\u0442\u044c \u043c\u044b \u043d\u0430\u0445\u043e\u0434\u0438\u043c\u0441\u044f \u0432 \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u0441\u0440\u0435\u0434\u0435, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0435\u0441\u0442\u044c \u0442\u0435\u043a\u0443\u0449\u0435\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 <em>s<\/em>, \u0438 \u043c\u044b \u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u043c \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 <em>a<\/em> \u0438\u0437 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430. \u042d\u0442\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u0442 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432 \u043d\u043e\u0432\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 (\u0441\u0442\u043e\u0445\u0430\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438, \u0442.\u0435. \u0432 \u0441\u0438\u0441\u0442\u0435\u043c\u0435 \u0435\u0441\u0442\u044c \u0432\u0441\u044f\u043a\u043e\u0435 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0435) \u0438 \u043c\u043e\u0436\u0435\u0442 \u0432\u044b\u0434\u0430\u0442\u044c \u043d\u0430\u043c reward \u0438\u043b\u0438 \u0437\u0430\u043a\u043e\u043d\u0447\u0438\u0442\u044c \u0438\u0433\u0440\u0443.<\/p>\n<p>  \u0412\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043f\u043e\u043d\u044f\u0442\u0438\u0435 cumulative return over time \u2014 \u044d\u0442\u043e \u043e\u0431\u0449\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e reward, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043e\u0442 \u0442\u0435\u043a\u0443\u0449\u0435\u0433\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u0430 \u0434\u043e \u043a\u043e\u043d\u0446\u0430 \u0438\u0433\u0440\u044b, \u043f\u0440\u0438\u0447\u0435\u043c \u0431\u0443\u0434\u0443\u0449\u0438\u0435 rewards \u0443\u043c\u0435\u043d\u044c\u0448\u0430\u044e\u0442\u0441\u044f \u043d\u0430 <em>y<\/em> \u0437\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u0442\u0438\u043a \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u0442.\u0435. reward \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u2014 \u044d\u0442\u043e <em>y*r<\/em>, \u0435\u0449\u0435 \u0447\u0435\u0440\u0435\u0437 \u043e\u0434\u0438\u043d \u2014 <em>y<sup>2<\/sup>*r<\/em><\/p>\n<p>  \u0422\u0430\u043a \u0432\u043e\u0442, \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043c\u043e\u0436\u043d\u043e \u043e\u043f\u0438\u0441\u0430\u0442\u044c \u043d\u0435\u043a\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0435\u0439 <em>Q*(s,a)<\/em>, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043e\u0434\u043d\u043e \u0447\u0438\u0441\u043b\u043e.<br \/>  \u0413\u043b\u0430\u0432\u043d\u043e\u0435 \u043f\u043e\u043d\u044f\u0442\u044c, \u0447\u0442\u043e \u043e\u043d\u043e \u0437\u043d\u0430\u0447\u0438\u0442!<\/p>\n<p>  \u0417\u043d\u0430\u0447\u0438\u0442 \u043e\u043d\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0435 \u2014 \u0435\u0441\u043b\u0438 \u043c\u044b \u043d\u0430\u0445\u043e\u0434\u0438\u043c\u0441\u044f \u0432 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0438 <em>s<\/em>, \u0438 \u043f\u0440\u0435\u0434\u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u043c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 <em>a<\/em>, \u043a\u0430\u043a\u043e\u0439 \u0443 \u043d\u0430\u0441 \u0431\u0443\u0434\u0435\u0442 cumulative reward \u0434\u043e \u043a\u043e\u043d\u0446\u0430 \u0438\u0433\u0440\u044b, \u0435\u0441\u043b\u0438 \u043c\u044b \u043f\u043e\u0441\u043b\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f <em>a<\/em> \u0431\u0443\u0434\u0435\u043c \u0434\u0435\u0439\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c?<br \/>  \u0415\u0441\u043b\u0438 \u0442\u0430\u043a\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u0430\u043d\u0430 \u0441\u0432\u044b\u0448\u0435, \u0441 \u0435\u0435 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043b\u0435\u0433\u043a\u043e \u0438\u0433\u0440\u0430\u0442\u044c \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u2014 \u043f\u043e\u043f\u0440\u043e\u0431\u0443\u0435\u043c Q*(s,a) \u0434\u043b\u044f \u0432\u0441\u0435\u0445 a, \u0432\u044b\u0431\u0435\u0440\u0435\u043c \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439.<\/p>\n<p>  \u0412\u0441\u0435\u043c \u043f\u043e\u043d\u044f\u0442\u043d\u043e? \u041f\u043e\u0439\u0434\u0443 \u0447\u0430\u0439 \u043f\u043e\u0441\u0442\u0430\u0432\u043b\u044e.<br \/>  \u041d\u0443 \u043b\u0430\u0434\u043d\u043e, \u0432\u0430\u0448\u0438 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b.<\/p>\n<p>  \u0414\u0430\u043b\u0435\u0435, \u0435\u0441\u0442\u044c \u043a\u043b\u044e\u0447\u0435\u0432\u043e\u0435 \u0440\u0435\u043a\u0443\u0440\u0440\u0435\u043d\u0442\u043d\u043e\u0435 \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u044d\u0442\u043e\u0439 \u0432\u043e\u0442 \u0432\u043e\u043e\u0431\u0440\u0430\u0436\u0430\u0435\u043c\u043e\u0439 Q* \u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u0442\u0430\u043a \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u043c\u044b\u0439 Bellman Equation<br \/>  <img decoding=\"async\" src=\"https:\/\/www.dropbox.com\/s\/y2wghq3ij6nuv2j\/shot_160127_221507.png?dl=1\" alt=\"image\"\/><br \/>  \u0412\u043e\u0442 \u0442\u0430\u043a\u043e\u0439 \u043a\u0440\u0430\u0441\u0438\u0432\u044b\u0439.<br \/>  \u0427\u0442\u043e \u043e\u043d \u0433\u043e\u0432\u043e\u0440\u0438\u0442!<\/p>\n<p>  \u041e\u043d \u0433\u043e\u0432\u043e\u0440\u0438\u0442, \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u043c\u044b \u0437\u043d\u0430\u0435\u043c, \u0441 \u043a\u0430\u043a\u0438\u043c\u0438 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044f\u043c\u0438 <em>s<\/em> \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0438\u0442 \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 <em>s`<\/em> \u0438\u0437-\u0437\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f <em>a<\/em>\u2026<br \/>  \u0422\u043e <em>Q*<\/em> \u0434\u043b\u044f \u0442\u0435\u043a\u0443\u0449\u0435\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f <em>s<\/em> \u0434\u043e\u043b\u0436\u043d\u043e \u0431\u044b\u0442\u044c \u0440\u0430\u0432\u043d\u043e \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c\u0443 \u0438\u0437 \u0432\u044b\u0431\u043e\u0440\u0430 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0439 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0448\u0430\u0433\u0435.<\/p>\n<p>  \u041d\u0443, \u043c\u043e\u043b, \u0435\u0441\u043b\u0438 \u043c\u044b \u0437\u043d\u0430\u0435\u043c \u0431\u0443\u0434\u0443\u0449\u0435\u0435, \u0442\u043e \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u043a\u0430\u043a\u043e\u0439 \u0431\u0443\u0434\u0435\u0442 reward \u043d\u0430 \u0442\u0435\u043a\u0443\u0449\u0435\u043c \u0441\u0442\u0435\u0439\u0442\u0435 \u043f\u0440\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f <em>a<\/em>, \u043c\u043e\u0436\u043d\u043e \u0432 \u044d\u0442\u043e \u0431\u0443\u0434\u0443\u0449\u0435\u0435 \u0437\u0430\u0433\u043b\u044f\u043d\u0443\u0442\u044c, \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043a\u0430\u043a\u0438\u0435 \u0442\u0430\u043c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b \u0438 \u0442\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u0441\u043a\u0430\u0437\u0430\u0442\u044c \u043a\u0430\u043a\u043e\u0439 \u0431\u0443\u0434\u0435\u0442 cumulative reward.<\/p>\n<p>  \u042d\u0442\u043e \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435, \u0440\u0430\u0437\u0443\u043c\u0435\u0435\u0442\u0441\u044f, \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u043a\u0430\u043a \u0438\u0442\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u044b\u0439 \u0448\u0430\u0433 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438.<br \/>  \u0422\u043e \u0435\u0441\u0442\u044c, \u0435\u0449\u0435 \u0440\u0430\u0437, \u0435\u0441\u043b\u0438 \u043c\u044b \u0437\u043d\u0430\u0435\u043c, \u0438\u0437 \u043a\u0430\u043a\u043e\u0433\u043e \u0441\u0442\u0435\u0439\u0442\u0430 \u0432 \u043a\u0430\u043a\u043e\u0439 \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u043d\u043e \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0438\u0442 \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439, \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u044d\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u043f\u0440\u0438\u0431\u043b\u0438\u0436\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 <em>Q<\/em>.<\/p>\n<p>  \u041e, \u0447\u0430\u0439 \u0432\u0441\u043a\u0438\u043f\u0435\u043b.<\/p>\n<p>  <em>\u043f\u043e\u0441\u043b\u0443\u0448\u0430\u0439, \u044f \u0437\u043d\u0430\u0447\u0438\u0442 \u0447\u0435\u0433\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u043d\u0435 \u043f\u043e\u043d\u044f\u043b \u2014 \u044d\u0442\u043e \u043a\u0430\u043a \u043e\u043d\u0430 \u043f\u043e\u0441\u043b\u0435 \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0436\u0435\u0442 \u0438\u0433\u0440\u0430\u0442\u044c \u0432\u043e \u0432\u0441\u0435 \u0438\u0433\u0440\u044b Atari?<\/em><br \/>  \u041e\u043d\u0430 \u043d\u0435 \u0438\u0433\u0440\u0430\u0435\u0442 \u0432\u043e \u0432\u0441\u0435 \u0438\u0433\u0440\u044b \u0441\u0440\u0430\u0437\u0443. \u041e\u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u0442 Q-\u0444\u0443\u043d\u043a\u0446\u0438\u044e \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u0438\u0433\u0440\u044b.<\/p>\n<p>  \u041d\u0443 \u0442\u0430\u043a \u0432\u043e\u0442. \u0418\u0434\u0435\u044f \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u0430\u044f. \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u044d\u0442\u0443 Q-\u0444\u0443\u043d\u043a\u0446\u0438\u044e \u043a\u0430\u043a CNN! (\u0432 \u0441\u043c\u044b\u0441\u043b\u0435, convolutional neural network)<br \/>  \u0412\u043e\u0442 \u043f\u0440\u044f\u043c \u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u0442\u0430\u043a\u043e\u0439, \u0441 \u043f\u0438\u043a\u0441\u0435\u043b\u044f\u043c\u0438 \u043d\u0430 \u0438\u043d\u043f\u0443\u0442\u0430\u0445 \u0438 \u0441 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432 \u0432 \u0430\u0443\u0442\u043f\u0443\u0442\u0435 \u0440\u0430\u0432\u043d\u044b\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0443 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439. \u0411\u043e\u043b\u0435\u0435 \u0442\u043e\u0447\u043d\u043e \u2014 \u043d\u0430 \u0432\u0445\u043e\u0434 \u0441\u0435\u0442\u0438 \u0432\u044b\u0434\u0430\u044e\u0442\u0441\u044f \u043f\u0438\u043a\u0441\u0435\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u0440\u043e\u0448\u043b\u044b\u0445 \u043a\u0430\u0434\u0440\u043e\u0432 \u044d\u043c\u0443\u043b\u044f\u0442\u043e\u0440\u0430 (\u0432 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u2014 4-\u0445 \u043a\u0430\u0434\u0440\u043e\u0432), \u0442\u043e \u0435\u0441\u0442\u044c \u0441\u0435\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u0441\u043b\u0435\u0434\u0438\u0442\u044c \u0434\u0432\u0438\u0436\u0443\u0449\u0438\u0435\u0441\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u044b.<br \/>  \u041d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u0435 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0433\u043e \u0441\u043b\u043e\u044f \u0441\u0435\u0442\u0438 \u2014 <em>Q(s,a)<\/em> \u0434\u043b\u044f \u043d\u0443\u0436\u043d\u043e\u0433\u043e <em>a<\/em>.<\/p>\n<h1>\u041a\u0430\u043a \u044d\u0442\u0443 \u0441\u0435\u0442\u044c \u043d\u0430\u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c?<\/h1>\n<p>  \u0412\u043e\u0442 \u0435\u0441\u0442\u044c \u0432\u0435\u0440\u0441\u0438\u044f \u0441\u0435\u0442\u0438 \u043d\u0430 \u0442\u0435\u043a\u0443\u0449\u0435\u043c \u0448\u0430\u0433\u0435, \u0441 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u043c\u0438 \u0432\u0435\u0441\u0430\u043c\u0438. \u041f\u0440\u043e\u0438\u0437\u043e\u0448\u0435\u043b \u043d\u043e\u0432\u044b\u0439 \u0448\u0430\u0433, \u043c\u044b \u0443\u0437\u043d\u0430\u043b\u0438 \u043d\u043e\u0432\u044b\u0439 \u043f\u0435\u0440\u0435\u0445\u043e\u0434 \u0438\u0437 <em>s<\/em> \u0432 <em>s&#8217;<\/em> \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f <em>a<\/em> \u0438 \u0431\u044b\u043b \u043b\u0438 reward.<br \/>  \u0411\u0443\u0434\u0435\u043c \u0432\u043e\u0442 \u0432\u0441\u0435 \u0442\u0430\u043a\u0438\u0435 \u0442\u0443\u043f\u043b\u044b <em>(s,s&#8217;,a,r)<\/em> \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0442\u044c, \u0432\u0441\u0435 \u043a\u0430\u043a\u0438\u0435 \u043c\u044b \u0432\u0438\u0434\u0435\u043b\u0438 \u0437\u0430 \u0438\u0433\u0440\u0443.<\/p>\n<p>  \u0412\u044b\u0431\u0435\u0440\u0435\u043c \u0438\u0437 \u043d\u0438\u0445 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0445, \u0438 \u0432\u043e\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u0441\u044f \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435\u043c \u0432\u044b\u0448\u0435, \u0447\u0442\u043e\u0431\u044b \u0447\u0443\u0442\u044c \u043f\u043e\u0434\u0442\u044e\u043d\u0438\u0442\u044c \u0432\u0435\u0441\u0430 \u0441\u0435\u0442\u0438, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c \u0438\u0437 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0441\u0442\u0435\u0439\u0442\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u0441\u0442\u0430\u0440\u044b\u0435 \u0432\u0435\u0441\u0430.<\/p>\n<p>  \u042d\u0442\u043e\u0442 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u043b\u043e\u0436\u043d\u043e \u043e\u043f\u0438\u0441\u0430\u0442\u044c \u0441\u043b\u043e\u0432\u0430\u043c\u0438, \u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u043e\u043d\u044f\u0442\u044c:<br \/>  \u0412\u044b\u0447\u0438\u0441\u043b\u0438\u043c \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u043c \u0432\u0441\u0435\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043d\u0430 \u043e\u0434\u0438\u043d \u0448\u0430\u0433 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0438\u0437 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u043f\u0440\u043e\u0448\u043b\u043e\u0439 \u0441\u0435\u0442\u0438 \u0434\u043b\u044f <em>s-s&#8217;<\/em>, \u0438 \u0441\u043a\u0430\u0436\u0435\u043c \u043d\u043e\u0432\u043e\u0439 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c\u0441\u044f, \u0447\u0442\u043e\u0431\u044b \u0441\u0440\u0430\u0437\u0443 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0442\u043e, \u0447\u0442\u043e \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u043c \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0438 \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c\u043e\u043c.<br \/>  \u0418 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0441\u0435.<\/p>\n<p>  \u0412 \u0438\u0442\u043e\u0433\u0435 \u043c\u044b \u0432 \u043f\u0430\u043c\u044f\u0442\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u0437\u0430\u043f\u043e\u043c\u0438\u043d\u0430\u0435\u043c \u0432\u0441\u0435 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u044b \u043c\u0435\u0436\u0434\u0443 \u0441\u0442\u0435\u0439\u0442\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0432\u0438\u0434\u0435\u043b\u0430 \u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u043c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0442\u0443\u043f\u043e \u043f\u043e \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043a\u0443\u0434\u0430 \u043d\u0430\u0441 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435.<\/p>\n<p>  \u0423 \u0441\u0430\u043c\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0441\u0442\u0435\u0439\u0442\u0430 \u043d\u0435\u0442 \u0432\u043e\u043e\u0431\u0449\u0435, \u0432\u0441\u044f \u043f\u0430\u043c\u044f\u0442\u044c \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u2014 \u0432 \u043d\u0430\u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0432\u0435\u0441\u0430\u0445. \u0415\u0441\u043b\u0438 \u0443\u0433\u043e\u0434\u043d\u043e, \u043c\u044b\u0448\u0435\u0447\u043d\u0430\u044f \u0442\u0430\u043a\u0430\u044f \u043f\u0430\u043c\u044f\u0442\u044c.<br \/>  (\u043f\u043e\u0447\u0435\u043c\u0443 \u043d\u0430\u0434\u043e \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0430 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u0438\u0437 \u0438\u0441\u0442\u043e\u0440\u0438\u0438, \u0430 \u043d\u0435 \u043d\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u2014 \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0441\u043b\u0443\u0447\u0430\u043b\u043e\u0441\u044c positive feedback loop, \u0442.\u0435. \u0447\u0442\u043e\u0431\u044b \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u043d\u0435 \u043f\u0440\u0438\u0441\u043f\u043e\u0441\u0430\u0431\u043b\u0438\u0432\u0430\u043b\u0430\u0441\u044c \u043a \u043f\u043e\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u044f\u043c \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u043d\u0435\u0434\u0430\u0432\u043d\u0435\u0433\u043e \u0432\u044b\u0431\u043e\u0440\u0430, \u0430 \u043a \u0434\u0430\u043d\u043d\u044b\u043c \u0432 \u0446\u0435\u043b\u043e\u043c)<\/p>\n<p>  \u041c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0434\u0435\u0442\u0430\u043b\u0438 \u2014 \u043e\u043d\u0438 \u0435\u0449\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0442\u0430\u043a \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u043c\u0443\u044e e-greedy policy.<br \/>  \u041d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 \u0441 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c\u044e <em>e<\/em> \u0431\u0443\u0434\u0435\u0442 \u0441\u0434\u0435\u043b\u0430\u043d\u043e \u0442\u0443\u043f\u043e \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435, \u0430 \u0441 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c\u044e <em>(1-e)<\/em> \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u043d\u043e\u0435 \u0442\u0435\u043a\u0443\u0449\u0438\u043c \u044d\u0441\u0442\u0438\u043c\u0435\u0439\u0442\u043e\u043c Q-\u0444\u0443\u043d\u043a\u0446\u0438\u0438.<br \/>  \u041e\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 <em>e<\/em>, \u043f\u043e\u043d\u044f\u0442\u043d\u043e, \u0443\u043c\u0435\u043d\u044c\u0448\u0430\u0435\u0442\u0441\u044f.<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/www.dropbox.com\/s\/wteqodqaed0nka7\/shot_160127_223417.png?dl=1\" alt=\"image\"\/><\/p>\n<p>  \u0412\u043e\u0442 \u043f\u0441\u0435\u0432\u0434\u043e\u043a\u043e\u0434 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430.<br \/>  \u0418 \u0432\u0441\u0435. \u041d\u0435 \u0434\u0435\u043b\u0430\u044e\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0438\u0447\u0435\u0433\u043e.<\/p>\n<p>  \u0422\u043e\u043b\u044c\u043a\u043e \u043e\u0431\u0443\u0447\u0430\u044e\u0442 CNN \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c Q-\u0444\u0443\u043d\u043a\u0446\u0438\u044e \u043f\u043e \u0445\u043e\u0434\u0443 \u0434\u0435\u043b\u0430. \u041d\u0430 \u043c\u0430\u0441\u0441\u0438\u0432\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439, \u0438\u0442\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e.<\/p>\n<p>  <em>\u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u0434\u043e\u043b\u0433\u043e \u043b\u0438 \u043e\u043d\u043e \u0443\u0447\u0438\u0442\u0441\u044f<\/em><br \/>  \u0414\u0435\u0441\u044f\u0442\u043a\u0438 \u0438 \u0441\u043e\u0442\u043d\u0438 \u0447\u0430\u0441\u043e\u0432<\/p>\n<p>  <em>\u0432\u043e, \u0430 \u0435\u0449\u0451 \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0438 \u043f\u0440\u043e experience replay (\u043e\u043d\u0438 \u0442\u0430\u043c \u043e\u0431\u0449\u0438\u043c\u0438 \u0444\u0440\u0430\u0437\u0430\u043c\u0438 \u043e\u0431\u0434\u0435\u043b\u0430\u043b\u0438\u0441\u044c, \u0430 \u0432 \u043a\u043e\u0434\u0435 \u0432\u0441\u0435 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043f\u0440\u043e\u0441\u0442\u043e).<\/em><br \/>  Experience replay \u2014 \u044d\u0442\u043e \u0438\u0445 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043d\u0443\u0436\u043d\u043e \u0437\u0430\u043f\u043e\u043c\u0438\u043d\u0430\u0442\u044c \u0432\u0441\u0435 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u044b \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0431\u044b\u043b\u0438 \u0437\u0430 \u0432\u0440\u0435\u043c\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u043d\u0430 \u043d\u0438\u0445 \u0432\u0441\u0435\u0445.<br \/>  <em>(experience replay) \u0414\u0430, \u043e\u0447\u0435\u043d\u044c \u043a\u0440\u0443\u0442\u043e. \u041e\u043d\u0438 \u044f \u0442\u0430\u043a \u043f\u043e\u043d\u0438\u043c\u0430\u044e \u043d\u0435 \u043e\u0441\u043e\u0431\u043e \u0437\u0430\u043c\u043e\u0440\u0430\u0447\u0438\u0432\u0430\u043b\u0438\u0441\u044c \u0432\u044b\u0431\u043e\u0440\u043e\u043c \u0441\u0442\u0440\u0430\u0442\u0435\u0433\u0438\u0438 &quot;\u0437\u0430\u0431\u044b\u0432\u0430\u043d\u0438\u044f&quot; (\u0443 \u043d\u0438\u0445 \u0442\u0443\u043f\u043e \u043f\u043e \u0446\u0438\u043a\u043b\u0443 \u0445\u0440\u0435\u043d\u0430\u0447\u0438\u0442\u0441\u044f \u0438 &quot;\u0437\u0430\u0431\u044b\u0432\u0430\u0435\u0442&quot; \u0441\u0442\u0430\u0440\u043e\u0435 \u0442\u0443\u043f\u043e \u043f\u043e \u0444\u0430\u043a\u0442\u0443 \u043f\u0435\u0440\u0435\u0437\u0430\u043f\u0438\u0441\u0438 \u0435\u0433\u043e).<\/em><br \/>  \u0423\u0433\u0443, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u043c\u044f\u0442\u0438 \u0445\u0432\u0430\u0442\u0430\u0435\u0442, \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u0438 \u043f\u043e\u043c\u043d\u044f\u0442.<\/p>\n<p>  <em>\u043f\u043e \u043f\u043e\u0432\u043e\u0434\u0443 \u043f\u0440\u0435\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0438\u043d\u0433\u0430 \u2014 \u044f \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u044e \u0447\u0442\u043e \u043f\u043e\u0439\u043d\u0442 \u0443\u043f\u0430\u043a\u043e\u0432\u043a\u0438 \u0447\u0435\u0442\u044b\u0440\u0435\u0445 (\u0442\u0440\u0435\u0445) \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0432 &quot;\u0444\u0438&quot; \u2014 \u0442\u0443\u043f\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439, \u0430 \u043d\u0435 \u0432\u043e\u0432\u0441\u0435 \u043f\u043e\u0442\u0443\u0433\u0438 \u043a\u0430\u043a-\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u0439 \u0430\u043d\u0438\u043c\u0430\u0446\u0438\u0435\u0439 \/ \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435\u043c \u0434\u0432\u0438\u0436\u0435\u043d\u0438\u044f \u0438 \u0442.\u043f.?<\/em><br \/>  \u041e\u043d\u0438 \u0434\u0430\u044e\u0442 \u043d\u0430 \u0432\u0445\u043e\u0434 \u043f\u0440\u043e\u0448\u043b\u044b\u0435 4 \u043a\u0430\u0434\u0440\u0430 \u0438\u0441\u0442\u043e\u0440\u0438\u0438.<br \/>  \u041c\u043d\u0435 \u043a\u0430\u0436\u0435\u0442\u0441\u044f, \u044d\u0442\u043e \u0442\u0430\u043a\u0438 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 frame skipping \u0434\u043b\u044f \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0438 \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0432, \u0442\u0430\u043a \u0447\u0442\u043e \u044d\u0442\u043e \u0434\u0430\u0435\u0442 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0441\u0435\u0442\u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u0430\u043d\u0438\u043c\u0430\u0446\u0438\u044e, \u0434\u0430.<\/p>\n<p>  <em>\u043a\u0441\u0442\u0430\u0442\u0438, \u0432\u043e \u0432\u0440\u0435\u043c\u044f <a href=\"http:\/\/deepqa.tilda.ws\/page78823.html\">\u0414\u0438\u043f\u0445\u0430\u043a\u0430<\/a> \u0432 \u043e\u0434\u043d\u043e\u0439 \u043a\u043e\u043c\u0430\u043d\u0434\u0435 \u043f\u0430\u0440\u043d\u0438 \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u043b\u0438 \u043a\u043e\u043b-\u0432\u043e \u043a\u0430\u0434\u0440\u043e\u0432 \u0434\u043e 3, \u0431\u0435\u0437 \u0432\u0438\u0434\u0438\u043c\u043e\u0433\u043e \u0443\u0445\u0443\u0434\u0448\u0435\u043d\u0438\u044f \u043f\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c<\/em><br \/>  \u041e\u043d\u0438 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u043f\u0438\u0448\u0443\u0442, \u0447\u0442\u043e \u0432\u0435\u0437\u0434\u0435 \u0431\u044b\u043b\u043e \u043e\u043a \u0441 4 (\u0438 \u044d\u0442\u043e \u043b\u0443\u0447\u0448\u0435 \u0447\u0435\u043c 3 \u0434\u043b\u044f \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438), \u043a\u0440\u043e\u043c\u0435 Space Invaders.<br \/>  \u0412 \u043d\u0438\u0445 \u043b\u0430\u0437\u0435\u0440 \u0441\u0442\u0440\u0435\u043b\u044f\u043b \u0440\u0430\u0437 \u0432 4 \u043a\u0430\u0434\u0440\u0430 \u0438 \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0441\u044f \u043d\u0435\u0432\u0438\u0434\u0438\u043c\u044b\u043c \u0441 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u043c\u0438. \u0414\u043b\u044f \u043d\u0438\u0445 \u0441\u0434\u0435\u043b\u0430\u043b\u0438 3.<\/p>\n<p>  <em>\u0432\u043e\u043e\u043e\u0442, \u0438 \u043d\u0430\u043a\u043e\u043d\u0435\u0446 \u0442\u0443\u043f\u043e\u0439 \u0432\u043e\u043f\u0440\u043e\u0441 \u043f\u043e\u043a\u0430 \u043c\u044b \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u0435\u043c \u0432\u0445\u043e\u0434\u043d\u044b\u0435 \u043a\u0430\u0434\u0440\u044b \u0438 \u0413\u043b\u0430\u0432\u043d\u0443\u044e \u0424\u043e\u0440\u043c\u0443\u043b\u0443 \u0441 \u0413\u0430\u043c\u043c\u0430-\u0414\u0438\u0441\u043a\u043e\u043d\u0442\u043e\u043c \u0420\u0438\u0432\u043e\u0440\u0434\u0430<\/em><br \/>  <em>\u043e\u0442\u043a\u0443\u0434\u0430 \u043e\u043d\u0438 reward-\u0442\u043e \u0431\u0440\u0430\u043b\u0438?<\/em><br \/>  \u0418\u0437 \u0438\u0433\u0440\u044b. \u0422\u0443\u043f\u043e scores. \u0412 \u0438\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u043c\u043e\u0442\u0440\u0435\u043b\u0438 \u043d\u0430 \u0437\u043d\u0430\u043a \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f scores.<\/p>\n<p>  <em>&quot;\u0438\u0437 \u0438\u0433\u0440\u044b&quot; \u2014 \u044d\u0442\u043e \u0438\u0437 \u044d\u043c\u0443\u043b\u044f\u0442\u043e\u0440\u0430 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u043c \u0445\u0430\u043a\u043e\u043c \u044d\u043c\u0443\u043b\u044f\u0442\u043e\u0440\u0430?<\/em><br \/>  \u041a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u043e\u0442\u0432\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441 \u0438 \u0437\u0430\u043e\u0434\u043d\u043e \u043d\u0430 \u043d\u0435\u0437\u0430\u0434\u0430\u043d\u043d\u044b\u0435 \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u043e \u043a\u0430\u0434\u0440\u0430\u0445 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d\u0435 \u0438 \u043a\u0430\u043a \u043d\u0430\u0436\u0438\u043c\u0430\u0442\u044c \u043a\u043d\u043e\u043f\u043a\u0438 \u2014 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435 \u0433\u043e\u0442\u043e\u0432\u044b\u0435 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0442\u0438\u043f\u0430 <a href=\"http:\/\/www.arcadelearningenvironment.org\">http:\/\/www.arcadelearningenvironment.org<\/a>, \u0438\u043d\u0430\u0447\u0435 \u0432\u0430\u0448\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 DQN \u0431\u044b\u0441\u0442\u0440\u043e \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f.<br \/>  \u041a\u0430\u043a \u0445\u043e\u0440\u043e\u0448\u043e \u0447\u0442\u043e \u043c\u044b \u0436\u0438\u0432\u0435\u043c \u0432 \u0425\u04251 \u0432\u0435\u043a\u0435! \u0418 \u0440\u0438\u0432\u043e\u0440\u0434\u044b \u0438 end-of-game \u0441\u0438\u0433\u043d\u0430\u043b\u044b \u044d\u043a\u0441\u0442\u0440\u0430\u043a\u0442\u044f\u0442\u0441\u044f \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 \u044d\u0442\u0438\u043c \u0441\u0430\u043c\u044b\u043c ALE \u0438\u0437 \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c 50 \u0430\u0442\u0430\u0440\u0438 \u0438\u0433\u0440.<\/p>\n<p>  \u0422\u0443\u0442 \u043e\u0447\u0435\u043d\u044c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0430 \u0441\u0432\u044f\u0437\u044c \u0441 \u0432\u043d\u0435\u0448\u043d\u0438\u043c \u043c\u0438\u0440\u043e\u043c, \u043c\u043d\u0435 \u043a\u0430\u0436\u0435\u0442\u0441\u044f. \u0427\u0442\u043e\u0431\u044b \u044d\u0442\u043e\u0442 \u0432\u0435\u0441\u044c deep reinforcement learning \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u043b \u2014 \u0434\u043e\u043b\u0436\u043d\u043e \u0441\u043e\u0439\u0442\u0438\u0441\u044c \u043c\u043d\u043e\u0433\u043e \u0432\u0441\u0435\u0433\u043e. \u041f\u0440\u0435\u0436\u0434\u0435 \u0432\u0441\u0435\u0433\u043e, \u0434\u043e\u043b\u0436\u043d\u044b \u0431\u044b\u0442\u044c \u0438\u0433\u0440\u044b.<\/p>\n<h2>\u0418\u0433\u0440\u044b \u2014 \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0434\u0432\u0438\u0433\u0430\u0442\u0435\u043b\u044c \u043f\u0440\u043e\u0433\u0440\u0435\u0441\u0441\u0430 (\u0438 \u0432\u0438\u0434\u0438\u043c\u043e \u043f\u043e\u0440\u043d\u043e \u0435\u0449\u0435)<\/h2>\n<p>  \u0422\u0430\u043a \u043a\u0430\u043a \u0435\u0441\u0442\u044c \u0438\u0433\u0440\u044b, \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043e\u0447\u0435\u043d\u044c \u043c\u043e\u0449\u043d\u044b\u0435 GPU.<br \/>  \u0422\u0430\u043a \u043a\u0430\u043a \u0435\u0441\u0442\u044c \u0438\u0433\u0440\u044b \u043d\u0430 \u0410\u0442\u0430\u0440\u0438, \u0435\u0441\u0442\u044c \u043c\u043e\u0449\u043d\u043e\u0435 community \u043f\u0440\u043e \u044d\u043c\u0443\u043b\u044f\u0442\u043e\u0440 \u0438 \u043f\u0440\u043e\u0447\u0430\u044f \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430.<br \/>  \u0422\u0430\u043a \u043a\u0430\u043a \u0435\u0441\u0442\u044c \u0438\u0433\u0440\u044b, \u043c\u043d\u043e\u0433\u043e \u043b\u044e\u0434\u0435\u0439 \u0441\u043e\u0437\u0434\u0430\u043b\u0438 \u0432\u043e\u0442 \u0442\u0430\u043a\u0438\u0435 \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u043d\u044b\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0435 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b, \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u043d\u043e \u0432\u0430\u0440\u044c\u0438\u0440\u0443\u044e\u0449\u0435\u0439\u0441\u044f \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438. \u0427\u0435\u043c \u0434\u0430\u043b\u044c\u0448\u0435, \u0442\u0435\u043c \u0431\u043e\u043b\u0435\u0435 \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435.<br \/>  \u041d\u0435 \u0431\u0435\u0440\u0435\u0436\u0435\u043c \u0441\u0435\u0431\u044f.<\/p>\n<p>  \u0414\u043b\u044f \u043b\u044e\u0434\u0435\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u043a\u043e\u0434 \u043d\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0447\u0438\u0442\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435, \u0447\u0435\u043c \u043f\u0435\u0439\u043f\u0435\u0440\u044b, \u0432\u043e\u0442 \u043d\u0435\u043f\u043b\u043e\u0445\u0430\u044f \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u2014 <a href=\"https:\/\/github.com\/spragunr\/deep_q_rl\">https:\/\/github.com\/spragunr\/deep_q_rl<\/a>                 <\/p>\n<div class=\"clear\"><\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habrahabr.ru\/post\/279729\/\"> https:\/\/habrahabr.ru\/post\/279729\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>       \u041f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u044e \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043f\u0440\u043e \u0443\u0441\u043f\u0435\u0445\u0438 DeepMind. \u042d\u0442\u043e\u0442 \u043f\u043e\u0441\u0442 \u043f\u0440\u043e \u0438\u0445 \u043f\u0435\u0440\u0432\u043e\u0435 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e\u0435 \u043f\u0443\u0431\u043b\u0438\u043a\u0435 \u0434\u043e\u0441\u0442\u0438\u0436\u0435\u043d\u0438\u0435 \u2014 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0438\u0433\u0440\u0430\u0442\u044c \u0432 \u0438\u0433\u0440\u044b Atari, \u043d\u0435 \u0437\u043d\u0430\u044f \u043e\u0431 \u0438\u0433\u0440\u0430\u0445 \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u043f\u0438\u043a\u0441\u0435\u043b\u0435\u0439 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d\u0435.<\/p>\n<p>  \u0412\u043e\u0442, \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0430\u0440\u0442\u0435\u0444\u0430\u043a\u0442 (\u0435\u0441\u043b\u0438 \u0432\u044b \u044d\u0442\u043e \u0432\u0438\u0434\u0435\u043e \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0438, \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e, \u043e\u043d\u043e \u0432\u0437\u0440\u044b\u0432\u0430\u0435\u0442 \u043c\u043e\u0437\u0433) \u2014 <\/p>\n<p>  <iframe loading=\"lazy\" width=\"560\" height=\"315\" src=\"https:\/\/www.youtube.com\/embed\/EfGD2qveGdQ?feature=oembed\" frameborder=\"0\" allowfullscreen><\/iframe><br \/>  \u0412\u043e\u0442 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e \u043f\u0443\u0431\u043b\u0438\u043a\u0435, \u043a\u043e\u0433\u0434\u0430 AI-\u043a\u043e\u043c\u043f\u0430\u043d\u0438\u044e \u043f\u043e\u043a\u0443\u043f\u0430\u044e\u0442 \u0437\u0430 \u043f\u043e\u043b \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u0430 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432.  <\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-276565","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/276565","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=276565"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/276565\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=276565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=276565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=276565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}