Lernen durch Schmerzen! Mit Reinforcement Learning selbstlernende Systeme entwickeln

Transcript

1. LERNEN DURCH SCHMERZEN! Mit Reinforcement Learning selbstlernende Systeme entwickeln JÖRG NEUMANN
2. JÖRG NEUMANN THEMEN ▪ Frontend Technologies ▪ AI ▪ Mobile Development ▪ Consulting, Coaching, Training KONTAKT ▪ Mail: Neumann.Joerg@outlook.de ▪ Twitter: @JoergNeumann
3. WANN BRAUCHT MAN MACHINE LEARNING? Menge Komplexität Personalisierung Selbstlernend
4. Eingabe Training Ergebnis SUPERVISED LEARNING
5. Eingabe Antwort Feedback Lernen REINFORCEMENT LEARNING
6. Robotics Trading Marketing Strategien EINSATZFÄLLE
7. E-Commerce Bots Selbstfahrende Autos EINSATZFÄLLE
8. ▪ Machine-Learning-Methode ▪ Ein Agent interagiert mit einer Umgebung ▪ Lernt dabei selbständig auf Basis des Belohnungsprinzips WAS IST REINFORCEMENT LEARNING?
9. Agent Environment State Action Reward Ein Agent führt in einer Umgebung zu einem best. Status eine Action aus und erhält eine Reaktion Die Reaktion der Umgebung auf die Aktion beeinflusst die Wahl der Aktion im nächsten Status Entscheidungsmatrix FUNKTIONSWEISE
10. DEFINITION ▪ Entwickelt 1989 von Chris Watkins ▪ Eine Variante des Temporal-Different-Learnings ▪ Benannt nach der Bewertungsfunktion, der Q-Function: Q(s, a) ▪ Anwendung bei kleinen Aktions- und Zustandsräumen Q-LEARNING
11. DEFINITION ▪ Q-Funktion: Q(s,a) ▪ Beschreibt den erwarteten Nutzen Q einer Aktion a im Status s ▪ Die Nutzenwerte werden in der sog. Q-Matrix gespeichert ▪ Dimensionen der Matrix: Anzahl der möglichen Stati und Aktionen ▪ Beim Training versucht der Agent, die Q-Werte der Q-Matrix durch Exploration zu approximieren, um diese später als Entscheidungsregel zu nutzen ▪ Nach der Lernphase wählt der Agent in jedem Status diejenige Aktion mit dem höchsten Q-Wert aus Q-FUNCTION
12. erwarteter Nutzen Aktion Status Learning Rate Current Value Discount Factor Reward Future Value Estimate 𝑄 𝑠𝑡 , 𝑎𝑡 = 1 − 𝛼 𝑄 𝑠𝑡 , 𝑎𝑡 + 𝛼 𝑟𝑡 + 𝛾 𝑚𝑎𝑥𝑄 𝑠𝑡+1 , 𝑎 EIN WENIG MATHEMATIK
13. APPROXIMATION DER Q-WERTE ▪ Agent startet in einem zufällig initialisierten Status ▪ Agent selektiert zufällig eine Aktion ▪ Agent beobachtet die entsprechende Belohnung und den darauf folgenden Status ▪ Der gesamte Vorgang der Exploration bis hin zur Belohnung wird als Episode bezeichnet Q-LEARNING
14. Action(0) Action(1) Action(2) Action(3) Action(4) Action(5) 0 0 0 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . 500 0 0 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . 1000 0 0 0 0 0 0 States Q-MATRIX Actions Initialisierung Nach dem Training Action(0) Action(1) Action(2) Action(3) Action(4) Action(5) 0 0 0 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . 500 -2.466928 -3.457417 -4,176588 -0.192454 -6.210890 -0.295700 . . . . . . . . . . . . . . . . . . . . . 1000 0.446754 3.257648 6.854144 8.879366 7.275916 1.135062 Q-MATRIX Actions States Q-MATRIX
15. BEISPIEL
16. Agent Environment State(0) Action State(1) Reward? BESCHREIBUNG
17. DEMO FLAPPY BIRD https://bit.ly/3QYybqF
18. MODELL-BASIERTES Q-LEARNING ▪ Manchmal ist der Statusraum zu komplex, um ihn allumfänglich in einer Table abzubilden (z.B. beim autonomen Fahren) ▪ Generalisierung der Daten durch neuronale Netze ▪ Exploration der Umgebung findet nicht per Zufall statt ▪ Q-Werte werden – basierend auf dem aktuellen Status – durch ein Machine Learning Modell approximiert DEEP Q-LEARNING
19. REINFORCEMENT LEARNING ▪ Ermöglicht die Lösung von komplexen Problemen ▪ Noch mächtiger als Supervised Learning ▪ Entwicklung selbstlernender Systeme ▪ Aber auch komplex in der Implementierung FAZIT
20. Q & A
21. RESSOURCEN ▪ Project Bonsai RL Service in Microsoft Azure ▪ AWS Deep Racer Simulationsumgebung für autonomes Fahren in AWS ▪ Artikel Top 20 Reinforcement Learning Libraries You Should Know ▪ 7 Reinforcement Learning GitHub Repositories To Give You Project Ideas