وبلاگ

در این ویدئو جالب توضیح داده شده است که چطور ماشین می تواند یاد بگیرد به جای انسان بازی ماریو (در فارسی به قارچ‌خور  معروف است) را بازی کند (در صورت عدم دسترسی می‌توانید آن را در دیدئو مشاهده کنید). اساس شیوه یادگیری، سعی و خطا به تعداد بسیار زیاد است. در هر نوبت، ماشین در صورتی که بتواند ماریو را به خوبی پیش ببرد، پاداش دریافت خواهد کرد. در نهایت ماشین تلاش می کند بسته به شرایط بازیکن تصمیمی را پیدا کند که بیشترین پاداش (یعنی برد بازی) را برایش به ارمغان بیاورد. این رویکرد که یادگیری تقویتی عمیق (Deep reinforcement learning) نامیده می‌شود، برخلاف سایر روشهای یادگیری عمیق مناسب برای مسائل تصمیم‌گیری است و در بسیار از حوزه‌ها مانند طراحی روبات‌ها و عامل‌های هوشمند کاربرد دارد. حتی در برخی از پژوهش‌ها نشان داده شده است که با این روش می‌توان به ماشین آموزش داد که چگونه یک سیستم را هک کند. البته این روشها بسیار وابسته به محیط آموزشی هستند و به نحوی که یک مدل هوشمند که در یک بازی آموزش داده شده است، در بازی کاملا با مشابه با آن قابل استفاده نیست.