Pekiştirmeli öğrenme, bir ajanın deneme yanılma yoluyla çevresiyle etkileşerek ödülünü en üst düzeye çıkaracak davranışları öğrendiği yöntemdir.
Pekiştirmeli Öğrenme ne demek?
Ajana doğru cevap gösterilmez; yaptığı her eylemin sonunda ödül ya da ceza alır ve zamanla hangi davranışların daha fazla ödül getirdiğini öğrenir. AlphaGo'nun Go oynamayı öğrenmesi ve robotların yürümeyi öğrenmesi bilinen örneklerdir.
Dil modellerinde RLHF ve akıl yürütme modellerinin eğitimi de pekiştirmeli öğrenmeye dayanır.
Yakın kavramlar
RLHFReinforcement Learning from Human FeedbackRLHF (insan geri bildirimiyle pekiştirmeli öğrenme), dil modellerini insanların tercih ettiği cevaplara göre eğiterek daha yardımsever, dürüst ve güvenli hâle getirme yöntemidir.Makine Öğrenmesi & EğitimÖdül ModeliReward ModelÖdül modeli, bir cevabın insanlar tarafından ne kadar beğenileceğini puanlamak için eğitilen ve RLHF'te dil modeline yol gösteren yardımcı modeldir.Makine Öğrenmesi & EğitimAkıl Yürütme ModeliReasoning ModelAkıl yürütme modeli, cevap vermeden önce problemi adımlara bölüp içsel bir düşünme süreci yürüten ve özellikle matematik, kod ve mantık işlerinde güçlü olan dil modelidir.Dil Modelleri & Üretken YZMakine ÖğrenmesiML · Machine LearningMakine öğrenmesi, bilgisayarın açıkça programlanmadan, örnek verilerdeki örüntülerden öğrenerek tahmin ya da karar üretmesini sağlayan yapay zekâ dalıdır.Temel Kavramlar