मल्टी-आर्म्ड बैंडिट यह निर्धारित करता है कि आप ऑनलाइन क्या विज्ञापन और कहानियां देखते हैं

कल्पना कीजिए कि आप एक जुआरी हैं और आप कई स्लॉट मशीनों के सामने खड़े हैं। आपका लक्ष्य आपकी जीत को अधिकतम करना है, लेकिन आप वास्तव में प्रत्येक मशीन द्वारा दिए जाने वाले संभावित पुरस्कारों के बारे में कुछ भी नहीं जानते हैं। हालांकि, आप समझते हैं कि लीवर आप खींचते हैं और आवृत्ति जिसके साथ आप ऐसा करते हैं, आपके जुए के परिणाम को प्रभावित करेगा।

यह परिदृश्य, लास वेगास और अटलांटिक सिटी के आगंतुकों द्वारा हर दिन सामना किया जाता है (जो भी लोग अभी भी अटलांटिक सिटी में जाते हैं) भी एक क्लासिक लॉजिक पहेली है जिसे "मल्टी-आर्म्ड बैंडिट" कहा जाता है - स्लॉट मशीनों को "वन-आर्म्ड" कहा जाता है। रेनो-टाइप्स उम्र बढ़ने से बैंडिट्स "क्योंकि उनके पास एक लीवर है और लोगों के पैसे लेते हैं। यद्यपि मल्टी-आर्म्ड बैंडिट स्थितियों को संबोधित करने का कोई सही तरीका नहीं है - निकटतम उम्मीदवार गितिंस इंडेक्स है - इन समस्याओं को संबोधित करने के लिए रणनीतिक दृष्टिकोण हैं जो आप हर दिन ऑनलाइन पंजीकरण के बिना देखते हैं। Google के माध्यम से और वेबसाइटों पर सामग्री को नियंत्रित करने वाले कई एल्गोरिदम MAB रणनीतियों के आसपास बनाए गए हैं। लगभग सभी मामलों में लक्ष्य शिक्षण और परिणामों को जोड़ना और दोनों के लिए क्षमता को अधिकतम करना है।

एक बहु-सशस्त्र दस्यु दृष्टिकोण द्वारा उपयोग किया जाता है द वाशिंगटन पोस्ट यह पता लगाने के लिए कि कौन से फ़ोटो और हेडलाइन्स आपके पास क्लिक करने की सबसे अधिक संभावना है, और वायरलेस नेटवर्क द्वारा यह पता लगाने के लिए कि कौन सा इष्टतम, ऊर्जा-संरक्षण मार्ग सबसे अच्छा है। एमबीए दृष्टिकोण से बढ़ने वाले एल्गोरिदम इन कंपनियों और कई अन्य लोगों के लिए बेहद महत्वपूर्ण हैं क्योंकि वे मूल रूप से यह निर्धारित करते हैं कि कब और कौन से विज्ञापन ऑनलाइन दिखाई देते हैं।

यह पता लगाना कि लोगों को दिखाने के लिए क्या विज्ञापन करना एक चुनौतीपूर्ण समस्या है क्योंकि बहुत सारे एक-हथियारबंद डाकू ऑनलाइन सामान पर क्लिक करने के आसपास चल रहे हैं। विज्ञापनों के लिए MAB एल्गोरिदम आमतौर पर तेजी से बदलती "नश्वर बहु-सशस्त्र दस्यु समस्या" का उपयोग करते हैं, जो समय की परिमित अवधि में लागू होता है। तेजी से प्रभावी तरीके विकसित करने के लिए ट्रैफ़िक डेटा का उपयोग किया जाता है।

MABs को एक सटीक उद्देश्य से जोड़ना मुश्किल है, क्योंकि सूत्र के इतने सारे रूपों को बनाना संभव है। के-सशस्त्र डाकुओं, उदाहरण के लिए, "हथियार" हैं जो उच्चतम अपेक्षित इनाम पाने के लिए प्रतिस्पर्धा करते हैं। प्रासंगिक डाकुओं ने ऐसा ही किया, लेकिन "विशेषज्ञ सलाह" के साथ - उपयोगकर्ता पर पहले से एकत्र किए गए डेटा - और "ILOVETOCONBANDITS" नाम का वेब-तैयार केवल पूर्व-निर्दिष्ट दौर की अनुसूची पर काम करता है। इसके विपरीत, एक शास्त्रीय एमएबी दृष्टिकोण की कोई साइड जानकारी संभव नहीं है और परिणाम केवल चुने हुए कार्रवाई की क्षमता पर निर्भर है।

हालांकि MAB के लिए अब तक का सबसे उपयोगी अनुप्रयोग इंटरनेट से संबंधित है, शोधकर्ता उन्हें "वास्तविक जीवन" (उर्फ मीटस्पेस) परिदृश्यों पर लागू करने का तरीका खोजने की दिशा में काम कर रहे हैं। 2015 के पेपर में, ब्रिटिश कोलंबिया विश्वविद्यालय के शोधकर्ता मेडिकल परीक्षण के लिए एमएबी के आवेदन पर विचार करते हैं। लक्ष्य, अगर MAB यहां संभव साबित होता है, तो यह है कि एक MAB एल्गोरिथ्म एक विशेष दवा के प्रभाव को माप सकता है। स्पष्ट समस्या यह है कि जब तक इस का एक कंप्यूटर-संशोधित संस्करण नहीं बनाया जा सकता है, इस दृष्टिकोण के साथ जाने में बस बहुत समय लगेगा। ऐसा कोई तरीका नहीं है कि MAB डिज़ाइन को नैदानिक ​​परीक्षण के भीतर रखा जा सके।

विचार अच्छा है, लेकिन अब तक संभव नहीं है। जब तक भविष्य यहां नहीं होता है, तब तक आप बहु-सशस्त्र डाकू की उपस्थिति को महसूस करते हैं, जब आप पॉप-अप विज्ञापनों से बाहर निकलने की सख्त कोशिश करते हैं।