강화학습과 지도학습을 섞는다? → 명확한 몇가지 목표에 대해서 쪼개어 reward-penalty를 지정하는게 아니라, 목표를 쪼개어 부분적으로 학습을 정한다. 예컨대 걸어가는 로봇의 자세를 교정하기 위해, 몸 떨림, 기울기, 속도 등 안정적인 걷기 라는 목표에 대한 평가 기준 각각에 대해 reward를 쪼갠다. 여기서 각 reward에 대한 가중치가 있을텐데 그 계수는 딥러닝과 관련되지 않을까? 같은 생각이 든다.
또한 자율주행 자동차에서 강화학습을 사용하는 방식을 바꾼다. 예컨대 사용자의 경험에서 사용하면 사용할수록 사용자 최적화가 이뤄지는 것이다. 사용자가 직접 운전하면서 예컨대 강화학습을 이용해서 미세한 행동들을 하나씩 조정해가는 것이다. 일관된 중간 단계의 reward를 지정할것.
재빈이로부터 롤에 비해 스타크래프트는 컴퓨터가 학습하기 더 어려울것 같다라는 얘기를 들었다. 그렇다면, 동일한 노력을 들인 인간의 실력수준에 도달하기 위한 컴퓨터의 노력이 롤에 비해 스타에서 더 떨어진다는 의미일 것이다. 이는 컴퓨터가 스타크래프트에 대해 어떠한 추가적인 비효율을 발생시키는 것과 동일하다. 따라서 이에 대한 효율 개선이 가능하지 않을까 하는 생각을 나눴다.