Le reinforcement learning est une technique de machine learning par laquelle un agent informatique apprend à accomplir une tâche grâce à des expériences d'essai-erreur dans un environnement changeant. L'agent peut accomplir la tâche sans assistance humaine ni programmation explicite, en choisissant des actions qui maximisent une mesure de récompense. Contrairement au supervised learning, le reinforcement learning utilise des retours pour entraîner l'agent de manière autonome, sans données étiquetées. L'agent n'apprend que de son expérience. Le RL résout des problèmes en robotique, jeux vidéo et projets à long terme. L'objectif principal de l'agent est de maximiser le renforcement positif. C'est un composant fondamental de l'intelligence artificielle.
Qu'est-ce que l'apprentissage par renforcement ?