מילון מונחי AI
מה זה למידת חיזוקים?
Reinforcement Learning (RL)
גישה בלמידת מכונה שבה סוכן לומד מניסוי וטעייה: מבצע פעולות, מקבל תגמול או עונש, ולומד מה משתלם.
הסבר בפשטות
אין כאן "תשובות נכונות" מראש. הסוכן פועל בסביבה (משחק, סימולציה, רובוט), ואחרי כל פעולה מקבל ציון. לאורך זמן הוא לומד אסטרטגיה שממקסמת את סך התגמולים, גם אם היא כוללת ויתור על רווח מיידי.
למידת חיזוקים הביאה את AlphaGo לנצח את אלוף העולם בגו, והיא משמשת באימון רובוטים. היא גם חלק מרכזי באימון מודלי שפה (RLHF) ומודלי חשיבה, שמתוגמלים על פתרון נכון של בעיות.