天才一秒记住【燃文中文】地址：www.ranwenzw.cc
回到了原來時空的工作狀態。
跟專家的會議時間定在半個月後，有意向的投資人和股東都會到場，會議的核心主題將決定人工智慧未來的研究發展發向，是繼續研究語法樹，還是興起不久的深度學習研究。
秘書的事務已無暇顧及，何謹修倒沒說什麼，讓hr再借調一個人手過來。
韓念初幾乎都泡在實驗室里，跟周嚴果討論，寫代碼，劉銘親自坐鎮，也要了張辦公桌，和他們一起辦公。
周嚴果站在白板前說：「在現有語料庫的基礎上，假設我們把狀態價值函數和動作價值函數定義好，加入現有的代碼模塊，實現有監督的學習。」
劉銘問:「具體怎麼實現？」
周嚴果說：「這就是今天討論的目的，集思廣益，討論出這個方法的可行性。」
何謹修捏著筆，不知為何，他的目光轉向了韓念初。
韓念初走到周嚴果旁邊，接過他的筆，在白板上寫滿了公式，轉身說道：「用貝爾曼方程疊代計算獎懲。」
眾人一愣。
韓念初接著說道：「具體一點，先定義狀態價值函數，用來評估狀態優劣。行為或動作價值函數用於評估下一個字或詞的優劣。完成定義後，進一步定義出累計獎勵函數，就可以評價出一整句回答的優劣。」
「獎勵函數怎麼定義？這個函數接受的變量怎麼從人傳給機器？這個變量給了函數以後，函數怎麼去調整它的輸出？答好要加多少分？答不好要扣多少分？那個獎勵函數怎麼解？」周嚴果一口氣問出了一連串的問題。
韓念初在白板上一邊劃線一邊講解：「想想公式怎麼定義，根據公式把獎懲機制加進原始碼，測試一下就行了。我說明白了嗎？」
</br>
<style type="text/css">
banners6 { width: 300px; height: 250px; }
dia (-width:350px) { banners6 { width: 336px; height: 280px; } }
dia (-width:500px) { banners6 { width: 468px; height: 60px; } }
dia (-width:800px) { banners6 { width: 728px; height: 90px; } }
dia (-width:1280px) { banners6 { width: 970px; height: 250px; } }
</style>
<s class="adsbygoogle banners6" style="display:le-block;" data-full-width-responsive="true" data-ad-client="ca-pub-4468775695592057" data-ad-slot="8853713424"></s>
</br>
</br>