Come implementare un algoritmo di Deep-Reinforcement Learning in grado di imparare a giocare

Ne parleremo durante LIVE del 19 maggio 2022 – estratta dalla Machine Learning Masterclass –

Il Deep Learning ed in particolare il Deep-Reinforcement Learning sono entrati stabilmente a far parte del mondo Gaming come asset in grado di fornire agli sviluppatori performance eccezionali in fase di testing e di creazione delle AI interne ai videogiochi.

Oltre al Gaming anche altri settori sono stati rivoluzionati delle moderne tecniche di Reinforcement Learning: i Robot della Boston Dynamics, nuovi metodi di ricerca scientifica nel settore farmaceutico, algoritmi di Trading iper-performanti, sono solo alcune delle applicazioni più innovative basate su questa tecnologia AI. 

L’Apprendimento per Rinforzo è una branca del Machine Learning dedicata alla creazione di agenti autonomi (software) in grado di interagire con un ambiente (virtuale) e di apprendere, solo e direttamente da questo, la selezione delle azioni corrette da compiere per il raggiungimento di determinati obiettivi.

Durante la LIVE descriveremo un Modello Custom, basato sulla tecnica di Double Q-Network, per implementare un agente intelligente in grado di apprendere e padroneggiare il videogame Space Invaders nella sua versione per ATARI 2600 solamente guardando lo schermo del gioco e potendo interagire virtualmente con il joystick e i tasti fisici del videogame originale.

Oltre a una veloce introduzione alle tecniche di apprendimento per rinforzo utilizzate, analizzeremo come è stato modellato l’ambiente per l’addestramento dell’agente autonomo, descriveremo come è stata progettata la memoria sequenziale per massimizzare le perfomance durante l’addestramento e andremo in dettaglio sui principali componenti dell’algoritmo di addestramento implementato.