Read more
L'apprendimento per rinforzo profondo è diventato rapidamente una delle aree di ricerca più calde nell'ecosistema del deep learning. Il fascino dell'apprendimento per rinforzo è legato al fatto che, tra tutte le modalità di apprendimento profondo, è quella che più assomiglia all'apprendimento umano. Negli ultimi anni, nessuna azienda al mondo ha fatto di più per far avanzare lo stadio dell'apprendimento profondo per rinforzo di DeepMind, società controllata da Alphabet. Dal lancio del suo famoso agente AlphaGo, DeepMind è stata all'avanguardia nella ricerca sull'apprendimento per rinforzo. Pochi giorni fa ha pubblicato una nuova ricerca che cerca di affrontare uno degli aspetti più impegnativi delle soluzioni di apprendimento per rinforzo: il multi-tasking. La capacità di eseguire e apprendere contemporaneamente compiti simili è essenziale per lo sviluppo della mente umana. Dal punto di vista neuroscientifico, il multitasking rimane in gran parte un mistero e, non a caso, è stato difficile implementare agenti di intelligenza artificiale (AI) in grado di apprendere in modo efficiente più domini senza richiedere una quantità sproporzionata di risorse. Questa monografia è una lucida introduzione alla macchina di apprendimento DeepMind con una teoria semplice.
About the author
O Prof. Md. Sadique Shaikh trabalha como docente principal no M.B.A. e noutros cursos de gestão. Tem qualificações em M.Sc (ES), M.Tech (IT), P.G.D.M (EM), M.B.A (HRM), M, B.A (Marketing), D.B.M, M.Phil (Gestão). Apresentou as suas investigações em 106 simpósios internacionais/nacionais. É autor de mais de 42 artigos de investigação e 18 livros internacionais.
