Объясните метод обучение с подкреплением?

Обучение с подкреплением (Reinforcement Learning) — это метод машинного обучения, в котором система (агент) обучается методом проб и ошибок. proglib.io Идея заключается в том, что агент взаимодействует со средой, параллельно обучаясь, и получает вознаграждение за выполнение действий. proglib.io

Суть метода в том, что нейронная сеть получает входные данные и случайным образом их обрабатывает. practicum.yandex.ru Потом результат её работы оценивают по определённым критериям. practicum.yandex.ru Нейросеть видит эти критерии — и в следующий раз обрабатывает данные так, чтобы им соответствовать. practicum.yandex.ru Прежде чем удаётся сформировать оптимальную стратегию, проходит много итераций. practicum.yandex.ru

Пример: нейросеть, которую тренируют выигрывать в определённую игру. practicum.yandex.ru Сначала она играет случайно и видит результат. practicum.yandex.ru Потом «пробует» другие стратегии, постепенно формируя паттерн поведения, который позволяет набрать максимум баллов. practicum.yandex.ru