Sztuczna inteligencja/SI Ćwiczenia 13

Zadanie 1

Czy Twoim zdaniem uczenie się ze wzmocnieniem jest właściwym modelem uczenia się człowieka?

Zadanie 2

Przyjrzyjmy się modelowi przedstawionemu na rysunku. Przejścia pomiędzy sąsiadującymi stanami są dozwolone wyłącznie w pionie lub w poziomie (nie po przekątnej) i są jednakowe dla każdego stanu sąsiedniego. Stany oznaczone +1 oraz -1 to stany końcowe z wartościami wzmocnienia odpowiednio +1 i -1. Narysuj tablicę przejść (z prawdopodobieństwami) i policz wartości funkcji wzmocnienia dla każdego stanu.

Zadanie 3

Co się stanie jeżeli algorytm Q-learning w kolejnych krokach nie będzie wybierał akcji maksymalizujących wartość funkcji wartości akcji, a będzie maksymalizował wartość akcji w następnym stanie? Czy działanie takiego algorytmu może zakończyć się sukcesem? Czy posługuje się on tą samą strategią, której się uczy?

Zadanie 4

Dwóch graczy zainwestowało na giełdzie po 100 000 PLN każdy. Po roku pierwszy gracz sprzedał swoje akcje i otrzymał za nie 200 000 PLN. Drugi gracz za swoje akcje otrzymał 130 000 PLN. Oprocentowanie bankowe wynosiło w tym czasie 5% w skali rocznej. Czy zysk (wzmocnienie) drugiego gracza nazwałbyś nagrodą czy karą?

Rozwiązanie

Zysk drugiego gracza będzie nagrodą, gdyż był większy, niż kwota, którą gracz zarobiłby na oprocentowaniu bankowym.