Обратное обучение с подкреплением: простыми словами

Обратное обучение с подкреплением (Inverse Reinforcement Learning / IRL) — это тип обучения с подкреплением, в котором цель противоположна цели прямого обучения с подкреплением. Вместо обучения стратегии на основе функции вознаграждения, мы пытаемся изучить функцию вознаграждения на основе стратегии или демонстрации задачи. В этом видео я расскажу, почему следует использовать обратное обучение с подкреплением, почему следует использовать обратное обучение с подкреплением, приведу примеры IRL, немного теории и некоторые существующие методы IRL. Я рассмотрю одну из оригинальных статей Эндрю Нга, а также некоторые более новые работы по IRL с максимальной энтропией (MaxEnt IRL) и состязательному IRL. Плейлист по теории обучения с подкреплением:    • Intro to Reinforcement Learning Made Simple   Статья об алгоритмах обучения с подкреплением: https://ai.stanford.edu/~ang/papers/i... Статья о методе максимального интеллекта в обучении с подкреплением: https://www.aaai.org/Papers/AAAI/2008... Статья об обучении с подкреплением в условиях противостояния: https://arxiv.org/abs/1710.11248