強化学習
以下社内勉強会での10分解説用のドラフト
強化学習
教師あり学習
入力と教師データ
囲碁で言うなら記譜
教師データ誰が作るんだ
人間だよ
10件100件お話にならない
AlphaGo
16万対局
2840万盤面
57.0%
自己対戦
何回？
状態価値ネットワーク
自己対戦の結果からデータを取る
1対局から1盤面しかとらない
30 million = 3000万対局
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]