Reinforcement Learning (रीइन्फोर्समेंट लर्निंग)

क्या है

रीइन्फोर्समेंट लर्निंग अध्ययन करती है कि कोई एजेंट किसी वातावरण के साथ बातचीत करके और पुरस्कार या दंड प्राप्त करके निर्णयों के अनुक्रम लेना कैसे सीखता है — Markov decision processes, value functions, policy gradient विधियाँ, और exploration-exploitation trade-off सहित।

क्यों मायने रखता है

रीइन्फोर्समेंट लर्निंग कुछ सबसे उल्लेखनीय AI उपलब्धियों की नींव है — मानव विशेषज्ञों को पीछे छोड़ने वाली गेम-खेलने वाली प्रणालियों से लेकर आधुनिक लैंग्वेज मॉडलों के पीछे इनाम-आधारित फ़ाइन-ट्यूनिंग तक — और इसके लिए मानक supervised learning से एक वाक़ई अलग गणितीय ढांचे की आवश्यकता होती है।

परीक्षा टिप

किसी रीइन्फोर्समेंट लर्निंग सेटअप का विश्लेषण करते समय, एजेंट के व्यवहार का मूल्यांकन करने से पहले हमेशा reward function की सटीक पहचान करें — एजेंट के अप्रत्याशित या अवांछनीय व्यवहार का एक बड़ा हिस्सा सीखने वाले एल्गोरिद्म में किसी दोष की बजाय ख़राब ढंग से निर्दिष्ट reward function से जुड़ा होता है।