Olyan tanulási módszer, ahol az ágensek jutalmazás és büntetés alapján tanulnak.
A megerősítéses tanulásban egy ágens különböző akciókat hajt végre egy környezetben, és jutalmakat vagy büntetéseket kap az eredmények alapján. Célja, hogy maximalizálja a hosszú távú jutalmat. Ez egy próbálgatáson alapuló tanulási folyamat.
Különösen hatékony olyan területeken, ahol a döntések sorozata vezet egy végső eredményhez.
Játékok (pl. sakk, Go), robotika, önvezető autók, portfóliókezelés.
Olyan önálló AI-rendszer, amely képes célokat követni, döntéseket hozni és végrehajtani feladatokat emberi beavatkozás nélkül.
Az algoritmus egy szabályrendszer vagy lépéssorozat, amely meghatározza, hogyan kell egy adott problémát megoldani.
Az AI azon területe, ahol a számítógép adatokból tanul anélkül, hogy explicit módon programoznánk minden egyes lépést.
A hyperparaméterek olyan beállítások, amelyeket a modelltanítás előtt adunk meg, és amelyek befolyásolják a tanulási folyamatot.
A mélytanulás a gépi tanulás egyik speciális ága, amely többrétegű neurális hálózatokat használ bonyolult problémák megoldására.
A modell az a matematikai és statisztikai struktúra, amelyet az AI az adatokból tanulás során hoz létre, és amit a döntéshozatalra használ.
Az emberi agy működését utánzó számítási modell, amely rétegekből és neuronokból áll.
A veszteségfüggvény egy matematikai kifejezés, amely megmutatja, mennyire rosszul teljesít a modell az előrejelzés során.
