Page 51 - 高中生活AI大智慧-電子書_Neat

目標更近或更遠， 如果更接近目標則給予「 正向回饋（positive
feedback）」， 如 果 更 遠 離 目 標 則 給 予「 負 向 回 饋（negative
feedback）」，這樣最後的決策就會愈來愈接近正確的答案。

強化式學習以獎勵方式來訓練電腦演算法，是「非監督式學習」
的一種。如同電玩經常對有提高功力的玩家提示，完成一個任務，提
升到某個等級就有獎勵，這些提示協助玩家學習如何為了闖下一關而
增強自己的功力。強化式學習如同電玩的設計概念，電腦演算法會試

著預測完成特定目標的最佳方法，對完成目標採取行動時會獲得獎
勵，再預測下一個最佳步驟逐步獲得最大的終極獎勵。因此，下圍棋
或西洋棋時，AI 會依照對手的每一步棋來修正下一步要如何走。市場

上的自動駕駛車，也是依照路況的變化來修正下一步行動。

DeepMind 公司建立於 2010 年，於 2014 年為 Google 公司收
購。他們如何訓練強化式學習？掃描一下 QR code 看看吧！

掃瞄 QR-Code，觀看 DeepMind 公司如何訓練強化
式學習

我們能發現高中生物所學的大腦中神經元及突觸的運作模式，和
AI 演算法的類神經網路（Artificial Nueral Network，ANN）是如此相

似，這是因為類神經網路模仿大腦的神經結構、思維模式及特徵抓取
方法。

49