量化评估、算法拓展：强化学习研究的10大原则

今年9月份举办的 深度学习 Indaba2018峰会的干货确实不少，昨天文摘菌给大家整理了 27位大咖关于 自然语言处理 的精彩问答。今天文摘菌再给大家整理一份关于 强化学习 的10个原则，不仅在 强化学习 中有用，在 机器学习 研究中也能够提供一些参考。

这10个原则是一位来自Insight 数据分析 研究中心的博士生Sebastian Ruder在参会期间对David Silver报告进行的整理，除了Ruder自己的解析外，也把他自己拍的照片分享了出来。

评估推动进步

量化的评估才能推动进步。评估奖励的选择决定了进步的方向，要确保评估指标与目标密切相关，避免主观评价（例如人类学科）。还有一点，双Q学习优于单Q学习，因为后者能减少偏见。

算法的可扩展性决定成功

算法如何扩展非常重要，要避免性能上限。 深度学习 非常棒，因为它可以有效地扩展，但是样本效率同样重要。

算法的可扩展性的表现取决于资源，而算法的可扩展性决定是否成功：那么给予更多资源，性能如何提高？值得一提的是，这里的资源指的是计算，内存或数据。

通用性，即算法在其他任务上的表现非常重要

关键是要设计一系列具有挑战性的任务，即应该对不同的新任务进行评估。避免过度使用当前的任务。

相信Agent的经验

不要依赖人类的专业知识，不要依赖于工程特征。在数据有限时，领域专业知识和归纳偏差非常重要。

一些任务可能看起来不太可能完成，但是，你确实能在其中学到很多经验。这种任务或者项目，通常满足这三点：

1.很难接受RL的核心问题。

1.是AI的核心问题

3.非常值得你去努力

状态应该是主观的

应将状态建立为模型的状态，即RNN的隐藏状态，而不是根据环境定义。只有agent对世界的主观看法才是重要的。不要推理外部现实，因为达到的效果非常有限。

控制流

Agent影响数据流和体验。Agent应该有能够访问控制环境的功能。重点不仅在于最大化奖励，还在于建立对流的控制。

价值函数塑造世界

价值函数有效地总结了当前和未来的状况。多值函数允许我们模拟世界的多个方面。可以帮助控制流。

从想象的经验（imagined experience）中学习

接下来该怎样 规划 ？同样的，RL算法可以从想象的经验（imagined experience）中学习，如Alphago中使用MCTS和值函数。

利用函数逼近器

可以将算法复杂度揉进 神经网络 架构，甚至MCTS，分层控制等也可以用NN建模。然后要真正理解：我们从模型学到了什么。

学会学习

必须精通 元学习 ，然后，你可能不再需要手工设置网络架构，一切都是端到端学习。总而言之， 神经网络 要通过尽可能少的人工干预来处理事情。但是，归纳偏差应该仍然有用。

相关报道： https://twitter.com/seb_ruder/status/1040235236284669952?utm_campaign=NLP%20News&utm_medium=email&utm_source=Revue%20newsletter