Qué es
En el aprendizaje por refuerzo, un agente interactúa con un entorno tomando acciones y recibiendo una señal de recompensa (positiva o negativa) según el resultado de esas acciones. Con el tiempo, el agente ajusta su estrategia (política) para maximizar la recompensa acumulada.
Elementos clave
- Agente: quien toma las decisiones.
- Entorno: el sistema con el que interactúa.
- Acción: lo que el agente puede hacer en cada momento.
- Recompensa: la señal que indica qué tan buena fue una acción.
- Política: la estrategia que el agente va aprendiendo para decidir qué hacer.
Dónde se aplica
Es la técnica detrás de sistemas que juegan videojuegos o juegos de mesa a nivel sobrehumano, de la robótica que aprende a moverse por prueba y error, y también de una etapa del entrenamiento de modelos de lenguaje conversacionales (RLHF, aprendizaje por refuerzo con feedback humano).