Машинне навчання включає три основні парадигми навчання, кожна з яких підходить для різних типів задач. Підкріплювальне навчання є однією з них, поряд із контрольованим навчанням та неконтрольованим навчанням.

Ключові особливості підкріплювального навчання

• Відсутність розмічених даних: підкріплювальне навчання не потребує попередньо визначених пар вхід-вихід, а навчається на основі досвіду;
• Навчання методом спроб і помилок: агент досліджує різні дії та вдосконалює стратегію на основі зворотного зв'язку;
• Послідовне прийняття рішень: підкріплювальне навчання призначене для задач, де поточні рішення впливають на майбутні результати;
• Максимізація винагороди: мета навчання — оптимізувати довгострокову винагороду, а не короткострокову правильність.

Порівняння трьох парадигм машинного навчання

Чим підкріплювальне навчання відрізняється

Підкріплювальне навчання має певні спільні риси з іншими парадигмами, але вирізняється унікальним підходом до процесу навчання.

Кероване навчання

У керованому навчанні набір даних містить чіткі інструкції щодо правильного результату. У підкріплювальному навчанні відсутній явний нагляд — агент самостійно визначає найкращі дії на основі досвіду.

Некероване навчання

Некероване навчання знаходить приховані закономірності у даних без конкретної мети. Підкріплювальне навчання навчається через взаємодію із середовищем для досягнення чіткої мети (наприклад, перемога у грі).