रीइन्फोर्समेंट लर्निंग (RL) क्या है? सरल व्याख्या
रीइन्फोर्समेंट लर्निंग (reinforcement learning, संक्षेप में RL) मशीन लर्निंग की वह शाखा है जिसमें एक एजेंट परिवेश के साथ बार-बार क्रिया करके और सही निर्णय पर इनाम तथा गलत निर्णय पर दंड पाकर स्वयं निर्णय लेना सीखता है। सुपरवाइज़्ड लर्निंग के विपरीत, इसमें लेबल वाले उत्तर नहीं दिए जाते।
सरल भाषा में
किसी पालतू जानवर को इनाम देकर सिखाने की तरह सोचें: सही व्यवहार पर पुरस्कार मिलता है, गलत पर नहीं। RL एजेंट भी क्रिया आज़माता है, परिणाम देखता है और इनाम दिलाने वाले विकल्प दोहराता है।
मुख्य घटक
| घटक | भूमिका |
|---|---|
| एजेंट | निर्णय लेने वाला |
| परिवेश | जिस स्थिति से एजेंट जूझता है |
| क्रिया | चुना गया कदम |
| अवस्था | मौजूदा स्थिति |
| इनाम | क्रिया पर मिली प्रतिक्रिया |
सीखने की प्रक्रिया
- एजेंट अवस्था देखता है।
- वह एक क्रिया चुनता है।
- परिवेश इनाम या दंड देता है।
- एजेंट रणनीति सुधारकर दोहराता है।
अन्वेषण बनाम दोहन
- अन्वेषण नई क्रिया आज़माकर बेहतर परिणाम खोजता है।
- दोहन पहले से कारगर क्रिया का उपयोग करता है।
- एजेंट दोनों के बीच संतुलन बनाता है।
उपयोग के उदाहरण
- चलना सीखने वाले रोबोट
- कदम चुनने वाले खेल
- सुझाव और शेड्यूलिंग सिस्टम
- संसाधन प्रबंधन और नियंत्रण
सीमाएँ
RL को कई प्रयोग और अधिक डेटा चाहिए हो सकता है, और परिणाम इनाम की रचना पर निर्भर करते हैं। गलत बना इनाम अवांछित व्यवहार सिखा सकता है, इसलिए जाँच आवश्यक है, इसे स्वतः सर्वोत्तम नहीं मानना चाहिए।
FAQ
RL और सुपरवाइज़्ड लर्निंग में क्या अंतर है?
सुपरवाइज़्ड लर्निंग लेबल डेटा से सीखती है, जबकि RL परिवेश से इनाम और दंड पाकर सीखता है।
RL में इनाम क्या है?
एक प्रतिक्रिया संकेत जो बताता है कि क्रिया लक्ष्य की ओर ले गई या नहीं।
एजेंट को अन्वेषण क्यों चाहिए?
ताकि नई, संभवतः बेहतर रणनीति मिले, न कि केवल पुराने विकल्प दोहराए जाएँ।
क्या RL हमेशा जल्दी सीखता है?
नहीं, कुछ कार्यों में रणनीति स्थिर होने से पहले कई प्रयोग लगते हैं।
मुख्य बातें
- RL एजेंट को स्वयं प्रयास, इनाम और दंड से सिखाता है।
- एजेंट दीर्घकालिक इनाम बढ़ाने वाली रणनीति बनाता है।
- अन्वेषण और दोहन का संतुलन महत्वपूर्ण है।
- इनाम की रचना और प्रयोगों की संख्या व्यावहारिक चुनौतियाँ हैं।
आगे पढ़ें मशीन लर्निंग क्या है और AI एजेंट क्या है।
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free