AI考试核心概念与解题技巧：强化学习与贝叶斯滤波详解

1. 人工智能考试备考指南：核心概念与解题技巧

作为一名经历过日本大学院AI专业入学考试的前辈，我深知备考过程中对专业术语和解题思路的系统性掌握有多重要。这份笔记整理了我第三次模拟练习中的核心知识点和易错点，特别适合正在准备AI相关考试的同学们参考。

1.1 为什么要重视术语的双语掌握

在日本攻读AI相关专业，双语术语理解是基本门槛。考试中经常会出现"用日语解释某个算法"或"对比中日文定义差异"的题型。更实际的是，入学后的论文阅读、研讨会交流都要求我们能在两种语言间自如切换。

我在第一次模拟考中就吃过亏——虽然知道Q-learning的中文概念，但面对日文题干时反应慢了半拍。从那以后，我开始有意识地建立自己的双语术语库，这也是本文特别标注中日文对照的原因。

2. 核心术语解析与概念辨析

2.1 强化学习关键算法

2.1.1 Q学习(Q-learning)的本质

• 核心思想：通过不断更新动作价值函数(Q函数)来逼近最优策略
• 独特优势：无需环境模型(model-free)，直接通过试错学习
• 更新公式：Q(s,a) ← Q(s,a) + α[r + γmaxQ(s',a') - Q(s,a)]
• 日语要点：记住"行動価値関数"和"最適方策"这两个关键表达

实际应用中发现，很多同学会把TD误差项[r + γmaxQ(s',a') - Q(s,a)]中的γ(折扣因子)误认为是学习率。这里要特别注意：α才是学习率，γ衡量的是未来奖励的衰减程度。

2.1.2 玻尔兹曼选择(Boltzmann Selection)的实践细节

• 决策机制：P(a|s) = e^(Q(s,a)/τ) / Σe^(Q(s,b)/τ)
• 温度参数τ：控制探索程度，τ→∞时趋于随机选择，τ→0时趋于贪婪选择
• 对比ε-greedy：
  • ε-greedy：以固定概率ε随机探索
  • Boltzmann：根据Q值动态调整选择概率

2.2 概率估计与滤波方法

2.2.1 贝叶斯滤波的递推过程

python复制# 伪代码示例
def bayes_filter(belief, action, observation):
    # 预测步骤