Série de séminaires AI 2023 : Kenny Young

Le AI Seminar est une réunion hebdomadaire à l'Université de l'Alberta où les chercheurs intéressés par l'intelligence artificielle (AI) peuvent partager leurs recherches. Les présentateurs comprennent à la fois des conférenciers locaux de l'Université de l'Alberta et des visiteurs d'autres institutions. Les sujets peuvent être liés de quelque manière que ce soit à l'intelligence artificielle, qu'il s'agisse de travaux théoriques fondamentaux ou d'applications novatrices de techniques d'IA à de nouveaux domaines et problèmes.

Le 24 novembre, Kenny Young - doctorant à l'Université d'Alberta - a présenté "The Benefits of Model-Based Generalization in Reinforcement Learning" (Les avantages de la généralisation basée sur un modèle dans l'apprentissage par renforcement) lors du séminaire sur l'IA.

Résumé :

On pense généralement que l'apprentissage par renforcement basé sur un modèle peut améliorer l'efficacité de l'échantillonnage en synthétisant l'expérience imaginée qui se généralise au-delà des données. Cependant, les fonctions de valeur apprises se généralisent également. Pourquoi devrions-nous nous attendre à ce que la généralisation du modèle soit intrinsèquement meilleure ? Dans cet exposé, Young répond à cette question à l'aide d'un résultat théorique simple. Il présente également des résultats empiriques détaillés qui démontrent que l'intuition qui sous-tend la théorie conduit à des avantages pratiques significatifs dans des environnements dont la structure sous-jacente permet aux modèles appris de se généraliser.

Regardez la présentation complète ci-dessous :

Vous voulez savoir comment donner un coup de fouet à votre carrière dans l'IA ? En savoir plus sur l'accélérateur de carrière d'Amii pour en savoir plus.