Reinforcement Learning (강화학습)¶

Agent (학습하는 시스템)가

Environment를 관찰하고
Action을 취한 후
Reward를 받으면서

최상의 accumulated reward를 얻도록 action을 결정짓는 Policy을 학습하는 것 을 가르킴.

Policy

Agent는 policy를 통해 어떤 enviroment(환경)에서 취할 연속적인 actions 를 결정함.
결국 강화학습은 최상의 연속적인 actions를 얻어내는 policy를 얻는 것을 목표로 한다고 볼 수 있음.

Reinforcement Learning 에서는

learning system을 agent라고 부르며,
이 agent 가 environment 와 상호 작용을 하면서 취한 action에 따라 reward signal (or penalty signal)를 얻는데,
여기서 최종적인 accumulated reward 를 maximize 하도록 어떤 일련의 action들을 수행할지를 결정하는 policy를 학습 한다.

A policy determines the action an agent should take in a particular situation to maximize final accumulated reward.

The three most important distinguishing properties of Reinforcement Learning Problem.¶

아래와 같은 특징을 가지는 문제를 agent가 효과적으로 해결하도록 해주는 algorithm들을 우리는 Reinforcement Learning method라고 한다.

Closed-loop Problem : agent가 취한 action(행동)이 이후의 agent의 input (environment의 state 등)에 영향을 준다.
not providing explicitly direct instructions which actions to take : 명시적으로 어떤 action을 취해야 하는지를 직접적으로 알려주지 않거나 알려줄 수 없음 (supervised learning과의 가장 큰 차이점).
연속된 action들과 이들로 인한 reward signal에 의한 결과는 장기간에 걸쳐 누적 되어 나타난다. : 특정 action은 즉각적으로는 이득이 될 수 있으나 장기적으로는 오히려 손해가 될 수 있음.

Agent 와 Reinforcement Learning Process¶

Agent는 강화학습에서 학습자 에 해당 됨.

Reinforcement Learning Process는 다음의 요소들을 반드시 가지고 있어야 함.

Agent는 environment와 interaction(상호작용)을 함. (action + sensation)
- Action으로 Environment의 상태를 변화 시킴.
- Environment의 State 일부를 sensing 할 수 있으며 이를 통해 다음 action을 결정함.
Agent는 명시적인 goal 을 가짐.
- 해당 goal은 Environment의 상태와 연관 되어 있음.
- goal의 달성 여부에 관련된 reward가 정의 되며,
- Agent의 현재 state에서 수행된 action에 의해 변경된 environment의 state와 goal과의 연관성 에 의해 계산된 Reward가 agent에 주어진다.

일반적으로 agent가 효과적으로 reinforcement learning을 하려면, exploration (탐험) 과 exploitation (이용) 사이의 균형을 잘 잡아야 한다.

\(^{(1)}\)exploration : 다양한 situation에 대해 적절한 action을 찾기 위해서 새로운 시도를 하는 것을 의미함.

\(^{(2)}\)exploitation : 현재까지의 경험을 토대로 가장 높은 reward를 보이는 action을 수행하는 것을 의미함.

Supervised Learning과 Unsupervised Learning과의 차이점.¶

Reinforcement Learning은

interaction으로부터 학습이 이루어져야 하는데,
이 경우 모든 situation에 대한 correct action을 지정하기가 불가능함
즉, whole label제공이 불가능하며 이 것이 supervised learning과의 차이점임.

때문에 reward function 등이 label 대신 주어짐.

Reward signal은 agent가 취한 action에 대한 environment의 feedback 으로 supervised learning의 ground truth에 해당하는 label과는 차이가 있음.
Reinforcement Learning의 경우, 어떤 이상적인 action을 명시적으로 모든 상황에 맞게 할당할 수 없기 때문에 해당 action이 얼마나 goal을 달성하는데 유용한지를 측정하는 reward function 을 사용헤 학습한다.

해당 reward function으로부터 주어지는 reward signal을 maximization하는 learning이라는 점에서 unsupervised learning하고도 차이 가 있다.

unsupervised learning은 아예 정답에 해당하는 정보가 없으나
Reinforcement learning의 경우 정답에 해당하는 정보를 주는 reward function이 존재한다.

Reinforcement Learning에서는 exploratory trial-and-error approach 나 deliberative planning 등을 통해 agent는 final accumulated reward를 최대화하는 것을 목표로 한다.

Reinforcement Learning은

Unsupervised learning와 비슷하게,
agent가 얻는 experience의 내부적인 특성 구조 를 학습을 통해 추출하기도 하지만
이는 reinforcement learning의 최종 목표는 아님. e
xperience의 내부적인 특성 구조 추출 과정을 통해 최종 목표인 reward signal을 maximization을 효과적으로 달성한다는 점에서 representative learning 들과도 차이를 보임.

Reward function의 특징.¶

Environment의 모든 state에 대해 reward와 penalty가 주어져있다고 생각하고 acton을 통해 agent는 environment의 state를 변경해 나갈 수 있다고 하자.
이때 agent가 acton을 결정하는 기준이 바로 policy이고 이 policy가 final accumulated reward를 최대화하는 방향으로 학습이 되게 하면 된다.
이는 매우 간단한 경우이고, 많은 경우 reward는 즉각적으로 주어지기 어려운 경우도 많다 (체스 등에서 당장은 상대편 말을 잡아서 이득이지만, 장기적으로는 킹을 잃게 되는 수가 있을 수 있고, 당장은 내 퀸을 잃지만 장기적으로는 상대 킹을 잡는 수가 있을 수 있다).
더욱이 상대편이 있는 경우엔 상대방의 action에 의해서도 reward가 영향을 받게 된다는 점이 reward function에서 어려운 점이다.

즉, reward는 action에 대해 즉각적일 수도 있으나 대부분 delayed feedback으로 주어질 수 있다.

결론¶

요약하면, Reinforcement Learning은 기존의 supervised learning이나 unsupervised learning과 구별되는 종류의 ML이다.
interaction이 일어나는 경우에서 사용되므로, 로보틱스등에서 많이 이용된다.

ML에서의 hyper-parameter tunning에서도 적용되는 경우도 많다.