학습 에이전트
학습 에이전트(Learning Agents)는 과거의 피드백을 바탕으로 더 나은 성능을 달성하기 위해 머신러닝 알고리즘을 사용합니다. 즉, 피드백을 받고, 개선하는 과정을 반복적으로 수행하기 때문에 자율주행 자동차의 주행 알고리즘 개선에 사용하면 좋습니다.
그 밖에 어디에 적용하면 좋을지 다음 장단점 비교 표를 보고 고민해봅시다.
▼ 표 4-7 학습 에이전트의 장단점
|
구분 |
항목 |
설명 |
|
장점 |
AI 결정을 기반으로 행동 |
학습 에이전트는 AI의 추론과 결정을 바탕으로 실질적인 행동을 수행할 수 있음 |
|
진화 가능성 |
단순한 규칙 기반 에이전트와 달리, 학습 에이전트는 환경과 경험을 통해 지속적으로 학습하고 진화할 수 있음 |
|
|
단점 |
잘못된 의사 결정이 가능 |
훈련 데이터가 편향되었거나 충분하지 않으면, 잘못된 결정을 내리거나 편향된 결과를 초래할 수 있음 |
|
높은 개발 및 유지 비용 |
학습 에이전트를 개발하고 학습시키는 과정은 비용이 많이 들고 유지 관리도 복잡 |
|
|
막대한 컴퓨팅 리소스 요구 |
딥러닝 및 강화 학습을 사용하는 학습 에이전트는 고성능 GPU와 대용량 메모리가 필요 |