К обучению искусственному интеллекту следует подходить как к фундаментальному инструменту для максимизации «роста» или развития любого агента. Искусственный интеллект основан на концепции совершенствования реакции агента в любой среде, что подразумевает глубокую фокусировку на прогрессе агента в процессе его опыта. Обучение само по себе должно включать в себя непрерывный процесс по мере изменения среды и, скорее всего, также включать в себя новые проблемы для агентов, которые изначально не учитывались разработчиком или даже не учитывались в исходных данных. Вот почему я считаю, что подход к обучению с подкреплением является фундаментальным для любого агента, работающего в системе реального времени. Обучение с подкреплением — это подобласть искусственного интеллекта, основанная на потребности агента в обратной связи для достижения максимального или оптимального ответа на протяжении всего обучения. Способ, которым мы достигаем этого обучения, заключается в непрерывном анализе окружающей среды; после каждого действия агента среда имеет определенное состояние, которое может быть воспринято агентом, который затем на основе вновь полученных и сохраненных данных должен снова выработать ответ. Если ответ максимизирует состояние среды, агент должен быть вознагражден, чтобы иметь возможность подкреплять этот тип поведения. Этот процесс продолжается, и после каждого шага данные, которые агент использует для оценки каждого действия, становятся все более и более точными, что каждый раз приводит к лучшим ответам. Обучение с подкреплением включает в себя и многие другие типы обучения, поскольку оно признает необходимость агента учиться в новой среде, вести себя в соответствии с конкретными правилами такой среды с целью достижения оптимального ответа и продолжать успешно улучшать свой ответ. на основе опыта, который имеет основополагающее значение для максимального обучения и, следовательно, максимальной производительности. Решение о том, какое обучение с подкреплением использовать, например, пассивное или активное, отрицательное или положительное, должно основываться на конкретных условиях и предоставлять разработчику множество различных возможностей и результатов, что в конечном итоге приводит к еще более высокой производительности в конкретном случае. основа дела.