امشب یه بحث جالب دربارهی تاثیر نگاه اجتماع در رفتار یک قشر خاص دارم یکی از چیزایی که بهش فکر میکردم گاهی اوقات این بود (یک مثال ساده و بدیهی): چون دانشجوهای شریف نرد و آنرمال هستند دید جامعه نسبت بهشون اینه یا چون دید جامعه اینه این شکلی هستن و خب بحث ازینجا شروع میشه الان که یکم دارم با RL کار میکنم دیدم میشه این شکلی مدلش کرد. اقشار مختلف با جامعه (یا هر شخص به صورت انفرادی با جامعه) مثل معماری actor critic هستش ینی ما یک actor داریم که خود شخص یا اون قشر خاص هستش که داره سعی میکنه یک پالیسی (پالیسی ینی یک خط مشی یا خط فکری که در هر محیطی چه کاری انجام بده) هست و یک critic که جامعه باشه که داره یاد میگیره چجوری ارزش گذاری کنه موقعیتهای مختلف اون قشر در اجتماع رو سیر تاریخی این شکلی بوده که جامعه میدیده دانشجوهای شریف مثلا تولید علم میکنن یا سطح علمی بالایی دارن ولی چون ارزش گذاری این موضوع سخت بوده یا حتی امکانپذیر نبوده ارزشها به چیزهای کوچیکتری که از یک اقلیت دیده شده تقلیل داده میشن: عینک میزنن، خیلی درس میخونن، رفتار اجتماعی خوبی ندارن، آنرمالن و … و حالا actor که تارگتش رو طبق critic تعیین میکنه و ریواردش رو ازون میگیره میبینه وقتی از critic پاداش میگیره که این ظاهر رو حفظ کنه حالا برای این دو راه داره، یا ذاتا بره دنبال علم یا ظاهر رو حفظ کنه که خب ظاهر رو حفظ میکنه (یچیزی مثل میانبر یا اتصال کوتا در مدار) و خب تهش این لوپ که دانشجو انرماله چون جامعه میگه و جامعه میگه دانشجو انرماله چون نرمال رفتار نمیکنه حالا راه حل چیه؟ جداسازی حداکثری پاداش actor از critic ینی فرد تا حد امکان بیاد پاداشش رو از نگاه جامعه مستقل کنه (یجورایق در تایید همون حرف که به حرف مردم گوش نده!) و خب این هم مزایا و معایب خودشو داره پ.ن: با تشکر از سپهر و جمینای برای جمعبندی این بحث هرچند جای ادامهدادن داره ولی هنوز فکر نکردم بهش
6
1
