- Il RL è un tipo di apprendimento automatico basato sull’interazione con l’ambiente, dove un agente (agent) apprende a massimizzare una ricompensa (reward) attraverso tentativi ed errori.
- Il RL è applicabile a una vasta gamma di contesti, dai giochi di strategia come il tris e AlphaGo, alla robotica e ai sistemi di guida autonoma.
- Il RL si distingue dall’apprendimento supervisionato (Supervised Learning) e non supervisionato (Unsupervised Learning). Non utilizza dataset predefiniti per l’addestramento, ma apprende direttamente dall’interazione con l’ambiente.
Approfondimenti
Reinforcement learning: cos’è, significato ed esempi
Quello che distingue questo dagli altri tipi di apprendimento del machine learning è il concetto di apprendimento tramite l’interazione. L’agente che apprende non viene istruito sull’azione da compiere, ma deve valutare la migliore tra un insieme di azioni, considerando la miglior ricompensa derivante da ognuna di esse effettuate nell’ambiente specifico
Pubblicato il 31 ago 2022
Paolo Dotti
Quence – TXTGROUP
