Qu'est-ce que Reinforcement Learning ?
C'est le processus par lequel l'intelligence artificielle apprend à prendre les bonnes décisions par essais et erreurs et en utilisant un mécanisme de récompense.
Définition
Dans cette méthode, on ne dit pas directement à l'intelligence artificielle ce qu'elle doit faire. Au lieu de cela, elle évolue dans un environnement et reçoit soit une récompense (points), soit une pénalité pour chaque action effectuée. Avec le temps, elle développe d'elle-même la stratégie qui maximisera ses récompenses.
Comment ça marche
L'intelligence artificielle effectue des milliers d'essais au sein d'une simulation. En augmentant la valeur des mouvements réussis tout en éliminant les erreurs, elle trouve le chemin qui donne le meilleur résultat.
Où est-ce utilisé
Elle est utilisée dans les intelligences artificielles jouant à des jeux, dans le contrôle des mouvements robotiques et dans les stratégies de transactions financières.
Souvent confondu avec
Elle peut être confondue avec l'apprentissage supervisé ; dans ce dernier, la bonne réponse est fournie, alors qu'ici, seul le résultat est récompensé.
Questions fréquentes
Pourquoi cela prend-il autant de temps ?
Parce que pour que le système trouve la bonne solution, il doit effectuer un très grand nombre d'essais et tirer des leçons de chaque tentative.
Termes liés
Outils liés
Cette explication a été rédigée en langage clair pour TreScout puis traduite automatiquement depuis l’original turc · la version turque fait foi. Si quelque chose vous semble erroné ou manquant, écrivez à hello@trescout.com. Lire en turc →