« Apprentissage par renforcement » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (23 versions intermédiaires par 4 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
En apprentissage par renforcement, | En apprentissage par renforcement, l’[[algorithme]] apprend un comportement à partir d’expériences répétées, de façon à optimiser les récompenses reçues au cours du temps. Tout comme l’[[apprentissage non supervisé]], l’apprentissage par renforcement n’a pas besoin de données étiquetées. | ||
Typiquement, un agent intelligent, qui est plongé au sein | En gros, l'apprentissage par renforcement c'est apprendre en interagissant. Typiquement, un agent intelligent, qui est plongé au sein d’un environnement, prend une décision ou réalise une action en fonction de son état courant et de l’observation de son environnement. En retour de l’action de l’[[agent]], l’environnement procure à l’agent une récompense ou une punition. | ||
On peut voir | On peut voir l’apprentissage par renforcement comme un jeu d’essais et d’erreurs dont le but est de déterminer les actions qui vont maximiser les gains d’un agent intelligent. Il élaborera ainsi un comportement optimal, appelé stratégie ou [[politique]], qui est une fonction associant à l’état courant une action à exécuter. | ||
Voir [[apprentissage par renforcement inverse|'''apprentissage par renforcement inverse''']] | Voir aussi: [[apprentissage par fonction Q]], apprentissage avec [[politique d'action]] et [[apprentissage par renforcement inverse|'''apprentissage par renforcement inverse''']] | ||
== | ==Compléments== | ||
Il existe deux approches principales à l'apprentissage par renforcement: celles qui se [[Apprentissage par renforcement à base de modèles|basent sur un modèle]] (en anglais, ''model-based''), c.-à-d. une représentation formelle de l'environnement, et celles qui n'utilisent [[Apprentissage par renforcement sans modèle|pas de modèle]] (en anglais, ''model-free''). | |||
L’apprentissage par renforcement se démarque de l'<nowiki/>'''[[apprentissage supervisé]]''' et de l''''[[apprentissage non supervisé]]''' par son côté interactif et itératif. L’agent intelligent essaie plusieurs solutions, on parle « d’exploration », observe la réaction de l’environnement et adapte son comportement pour découvrir la meilleure stratégie. On dira qu'il « exploite » le résultat de ses explorations. | <hr/> | ||
L’apprentissage par renforcement se démarque de l'<nowiki/>'''[[apprentissage supervisé]]''' et de l''''[[apprentissage non supervisé]]''' par son côté interactif et itératif. L’agent intelligent essaie plusieurs solutions, on parle « d’exploration », observe la réaction de l’environnement et adapte son comportement pour découvrir la meilleure stratégie. On dira qu'il « exploite » le résultat de ses explorations (exploitation). | |||
==Français== | ==Français== | ||
'''apprentissage par renforcement''' | '''apprentissage par renforcement''' | ||
'''apprentissage par interaction''' | |||
==Anglais== | ==Anglais== | ||
'''reinforcement learning''' | '''reinforcement learning''' | ||
==Español== | |||
'''''aprendizaje por refuerzo''''' | |||
* [https://fr.wikipedia.org/wiki/Apprentissage_par_renforcement ''Source: Wikipedia''] | '''''aprendizaje reforzado ''''' | ||
''En el aprendizaje por refuerzo, el algoritmo aprende un comportamiento a partir de experimentos repetidos, con el fin de optimizar las recompensas recibidas a lo largo del tiempo. Al igual que el aprendizaje no supervisado, el aprendizaje por refuerzo no requiere datos etiquetados.'' | |||
''Normalmente, un agente inteligente, inmerso en un entorno, toma una decisión o realiza una acción basándose en su estado actual y en la observación de su entorno.'' | |||
''A cambio de la acción del agente, el entorno le proporciona una recompensa o un castigo.'' | |||
''El aprendizaje por refuerzo puede verse como un juego de ensayo y error, cuyo objetivo es determinar las acciones que maximizarán las ganancias de un agente inteligente. De este modo, desarrollará un comportamiento óptimo, conocido como estrategia o política.'' | |||
==Sources== | |||
*[https://fr.wikipedia.org/wiki/Apprentissage_par_renforcement ''Source: Wikipedia''] | |||
</small><br> | |||
{{Modèle:101}} | |||
{{Modèle:GDT}} | |||
[[Catégorie:GDT]] | [[Catégorie:GDT]] | ||
[[Catégorie:101]] | |||
[[Catégorie:Apprentissage automatique]] | [[Catégorie:Apprentissage automatique]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 21 juillet 2025 à 15:03
Définition
En apprentissage par renforcement, l’algorithme apprend un comportement à partir d’expériences répétées, de façon à optimiser les récompenses reçues au cours du temps. Tout comme l’apprentissage non supervisé, l’apprentissage par renforcement n’a pas besoin de données étiquetées.
En gros, l'apprentissage par renforcement c'est apprendre en interagissant. Typiquement, un agent intelligent, qui est plongé au sein d’un environnement, prend une décision ou réalise une action en fonction de son état courant et de l’observation de son environnement. En retour de l’action de l’agent, l’environnement procure à l’agent une récompense ou une punition.
On peut voir l’apprentissage par renforcement comme un jeu d’essais et d’erreurs dont le but est de déterminer les actions qui vont maximiser les gains d’un agent intelligent. Il élaborera ainsi un comportement optimal, appelé stratégie ou politique, qui est une fonction associant à l’état courant une action à exécuter.
Voir aussi: apprentissage par fonction Q, apprentissage avec politique d'action et apprentissage par renforcement inverse
Compléments
Il existe deux approches principales à l'apprentissage par renforcement: celles qui se basent sur un modèle (en anglais, model-based), c.-à-d. une représentation formelle de l'environnement, et celles qui n'utilisent pas de modèle (en anglais, model-free).
L’apprentissage par renforcement se démarque de l'apprentissage supervisé et de l'apprentissage non supervisé par son côté interactif et itératif. L’agent intelligent essaie plusieurs solutions, on parle « d’exploration », observe la réaction de l’environnement et adapte son comportement pour découvrir la meilleure stratégie. On dira qu'il « exploite » le résultat de ses explorations (exploitation).
Français
apprentissage par renforcement
apprentissage par interaction
Anglais
reinforcement learning
Español
aprendizaje por refuerzo
aprendizaje reforzado
En el aprendizaje por refuerzo, el algoritmo aprende un comportamiento a partir de experimentos repetidos, con el fin de optimizar las recompensas recibidas a lo largo del tiempo. Al igual que el aprendizaje no supervisado, el aprendizaje por refuerzo no requiere datos etiquetados. Normalmente, un agente inteligente, inmerso en un entorno, toma una decisión o realiza una acción basándose en su estado actual y en la observación de su entorno. A cambio de la acción del agente, el entorno le proporciona una recompensa o un castigo. El aprendizaje por refuerzo puede verse como un juego de ensayo y error, cuyo objetivo es determinar las acciones que maximizarán las ganancias de un agente inteligente. De este modo, desarrollará un comportamiento óptimo, conocido como estrategia o política.
Sources
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Arianne Arel, Claude Coulombe, Jacques Barolet, Espanol: Jean-Sébastien Zavalone, wiki, Robert Meloche
