For å lese artikler må du være abonnent

50 kr for 5 uker

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev

Deretter 299 kr/mnd. Fornyes automatisk, avslutt når du vil.

PRØV OSS I 5 UKER

2990 kr / år

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev
  • Spar 598 kr

Fornyes automatisk til ordinær pris, avslutt når du vill.

BESTILL NÅ

Bedrift eller student?

  • Sjekk om du har tilgang via arbeidsgiver
  • Pristilbud til din bedrift
  • Innløs din gratis studenttilgang

Tilgang avhenger av avtalen med din arbeidsgiver eller ditt studiested.

LES MER HER

kunstig intelligens

Maskinlæring: Forsterkende læring er perfekt når du ikke kan bygge et datasett

AWS demonstrerer forsterket læring med bilen DeepRacer.
AWS demonstrerer forsterket læring med bilen DeepRacer.

Når man ser på eksempler på oppgaver som kan løses med forsterkende læring, kan man lett få inntrykk av at teknikken primært er brukbar innen spillutvikling.

Metoden er for eksempel atskillige ganger blitt brukt til å beseire mobilspillet Angry Birds. I OpenAIs toolkit til forsterkende læring kan man måle krefter med klassikere som Pong og Space Invaders. Og da en AI nylig beseiret mennesker i skytespillet Quake III Arena var det forsterkende læring som sto bak seieren.

Dette er både bra og dårlig, mener Julien Simon, som er maskinlærings-ekspert hos AWS, da danske DataTech møter ham i Stockholm.

Powered by Labrador CMS