Reinforcement Learning คืออะไร?
Reinforcement Learning (RL) เป็นสาขาของ AI ที่เรียนรู้จากการลองผิดลองถูก โดยได้รับรางวัลเมื่อทำถูกต้อง
1. หลักการของ RL
- Agent: ผู้เรียนรู้ (หุ่นยนต์)
- Environment: สิ่งแวดล้อม (โรงงาน)
- State: สถานะปัจจุบัน
- Action: การกระทำ
- Reward: รางวัล/บทลงโทษ
2. RL vs ML อื่นๆ
| ประเภท | ข้อมูล | เป้าหมาย |
|---|---|---|
| Supervised Learning | มี Label | ทำนายผลลัพธ์ |
| Unsupervised Learning | ไม่มี Label | หา Pattern |
| Reinforcement Learning | Reward/Penalty | maximize Reward |
3. แอปพลิเคชันในโรงงาน
- Robot Arm: เรียนรู้การหยิบชิ้นงาน
- AGV Navigation: นำทางในคลังสินค้า
- Process Optimization: ปรับพารามิเตอร์การผลิต
- Quality Control: เรียนรู้การตรวจจับตำหนิ
4. ตัวอย่างโค้ด Python (Gym)
import gymnasium as gym
import numpy as np
# สร้าง Environment
env = gym.make('CartPole-v1')
# Q-Learning
q_table = np.zeros([env.observation_space.n, env.action_space.n])
# ฝึกสอน
for episode in range(1000):
state, _ = env.reset()
done = False
while not done:
action = np.argmax(q_table[state])
next_state, reward, done, _, _ = env.step(action)
q_table[state, action] = reward + 0.99 * np.max(q_table[next_state])
state = next_state
5. เครื่องมือสำหรับ RL
- OpenAI Gym: Environment สำหรับฝึกสอน
- Stable Baselines3: ไลบรารี RL สำเร็จรูป
- TensorFlow Agents: RL จาก Google
- PyTorch: สร้างโมเดล RL เอง
