Mata Kuliah : MACHINE LEARNING�Minggu ke 14
Tujuan Perkuliahan
Mahasiswa mampu menjelaskan konsep reinforcement learning.
Materi Pembelajaran
Reinforcement learning adalah proses training dari model machine learning untuk membuat serangkaian keputusan (decisions). Dalam lingkungan yang tidak pasti dan berpotensi kompleks, agen software belajar untuk mencapai suatu tujuan (goal). Dalam reinforcement learning, kecerdasan buatan menghadapi environtment seperti game/permainan. Komputer melakukan trial and error untuk menyelesaikan masalah. Kecerdasan buatan di beri rewards atau penalties atas tindakan yang dilakukannya untuk mencapai apa yang diinginkan programmer. Tujuannya adalah untuk meningkatkan rewards total sebanyak mungkin.
Reinfocement Learning
Reinforcement learning adalah tipe algoritma machine learning yang bisa membuat agent software dan mesin bekerja secara otomatis untuk menentukan perilaku yang ideal sehingga dapat memaksimalkan kinerja algoritmanya. Terlepas dari kenyataan bahwa kebijakan prize atau rewards ditetapkan oleh programmer, peraturan utama tidak memberikan model atau ide tentang cara menyelesaikan permainan. Dimulai dengan uji coba secara acak dan berlanjut ke taktik canggih dan kemampuan manusia, terserah menggunakan model apapun untuk mengetahui bagaimana melakukan tugas atau task untuk memaksimalkan rewards. Reinforcement Learning merupakan teknik yang paling efektif untuk menunjukkan kreativitas komputer dengan memanfaatkan kekuatan pencarian dari banyak percobaan. Kecerdasan buatan, tidak seperti manusia, dapat memperoleh pengalaman dari ribuan simulasi jika algoritma reinforcement learning dilakukan pada infrastruktur komputer yang kuat.
Reinfocement Learning
Dalam tantangan Reinforcement Learning, seorang agen mengeksplorasi lingkungan yang tidak diketahui untuk mencapai tujuan tertentu. Prinsip di balik Reinforcement Learning adalah bahwa memaksimalkan rewards/prize secara kumulatif yang diprediksi dapat digunakan untuk mewakili tujuan apa pun. Untuk memaksimalkan reward/prize , agent software harus belajar merasakan dan mengeksplorasi kondisi lingkungan melalui aktivitasnya. Kerangka kerja formal untuk Reinforcement Learning terinspirasi oleh sulitnya kontrol optimal dari Markov Decision Processes (MDP). Berikut ini adalah komponen utama dari sistem RL:
Cara Kerja Reinfocement Learning
Implementasi Reinfocement Learning