Libro · 2018 · Richard S. Sutton, Andrew G. Barto

Reinforcement Learning, second edition

La nuova edizione significativamente ampliata e aggiornata di un testo ampiamente utilizzato sull'apprendimento per rinforzo, una delle aree di ricerca più attive nell'intelligenza artificiale. L'apprendimento per rinforzo è un approccio computazionale all'apprendimento in cui un agente cerca di massimizzare il totale delle ricompense che riceve interagendo con un ambiente complesso e incerto. In Apprendimento per rinforzo, Richard Sutton e Andrew Barto forniscono una spiegazione chiara e semplice delle idee e degli algoritmi chiave del campo. Questa seconda edizione è stata significativamente ampliata e aggiornata, presentando nuovi argomenti e aggiornando la copertura di altri temi. Come nella prima edizione, questa seconda edizione si concentra sugli algoritmi di apprendimento online di base, con il materiale più matematico separato in riquadri ombreggiati. La Parte I copre quanto più possibile dell'apprendimento per rinforzo senza oltrepassare il caso tabulare per il quale è possibile trovare soluzioni esatte. Molti algoritmi presentati in questa parte sono nuovi per la seconda edizione, compresi UCB, Expected Sarsa e Double Learning. La Parte II estende queste idee all'approssimazione delle funzioni, con nuove sezioni su argomenti come le reti neurali artificiali e la base di Fourier, e offre un trattamento ampliato dell'apprendimento off-policy e dei metodi di policy-gradient. La Parte III ha nuovi capitoli sulle relazioni dell'apprendimento per rinforzo con la psicologia e le neuroscienze, oltre a un capitolo aggiornato sui casi di studio che includono AlphaGo e AlphaGo Zero, il gioco Atari e la strategia di scommessa di IBM Watson. L'ultimo capitolo discute gli impatti sociali futuri dell'apprendimento per rinforzo.