reinforcement learning

Uczenie wzmacniane (reinforcement learning) to jedna z głównych metod uczenia maszynowego, w której autonomiczny agent uczy się podejmowania optymalnych decyzji poprzez interakcję z otoczeniem. Proces ten opiera się na metodzie prób i błędów oraz systemie kar i nagród, które motywują algorytm do wybierania działań maksymalizujących długofalową korzyść. Jest to podejście inspirowane psychologią behawioralną, stosowane szeroko w robotyce, grach strategicznych oraz systemach sterowania autonomicznego.