الشرح

لا يُعطى النظام هنا أجوبة جاهزة، بل يوضع في بيئة، كلعبة أو محاكاة أو برنامج، ويختار تصرفاً بعد آخر. وبعد كل تصرف يصله تقييم: مكافأة إن كان التصرف يخدم هدفه، وعقوبة إن كان يضره. ومع تكرار المحاولات يستقر النظام على سلوك يجمع أكبر قدر من المكافآت.

يُستخدم هذا الأسلوب حين يكون المطلوب سلسلة قرارات متتابعة، كتدريب روبوت على الحركة أو برنامج على لعب لعبة. وعيبه أنه يحتاج محاولات كثيرة جداً، وقد يجد النظام ثغرة تمنحه المكافأة دون أن يحقق الهدف الحقيقي، ولذلك تُصمَّم المكافأة بعناية. ويُستعان به أحياناً في تحسين ردود النماذج اللغوية اعتماداً على تقييم البشر.

لا تخلطه بـ

التعلم الخاضع للإشراف: يتدرب على أمثلة جوابها الصحيح معروف مسبقاً، أما التعلم المعزز فلا أجوبة جاهزة فيه، وإنما مكافأة أو عقوبة تصل بعد كل تصرف.

الترجمات المتداولة

رسمي: معتمد من جهة رسمية. شائع: متداول في مصادر عامة. آلية: ترجمة آلية تحتاج مراجعة. قيد التحقق: لم يُتحقق منه بعد.

مصطلحات ذات صلة