Reinforcement Learning (Aprendizado por Reforço)
Aprendizado por reforço (reinforcement learning) é um tipo de machine learning em que um agente aprende por tentativa e erro, recebendo recompensas quando acerta e penalidades quando erra. Ele busca a sequência de ações que gera a maior recompensa total.
Como funciona
- Agente: quem toma as decisões.
- Ambiente: o mundo em que o agente atua, como um jogo.
- Ação: o que o agente faz.
- Recompensa: o retorno que diz se a ação foi boa.
- Política: a estratégia que o agente aprende.
O agente testa ações, observa as recompensas e melhora a política ao longo de muitas rodadas. Um método clássico é o Q-learning.
Exemplos
- IAs que jogam xadrez, Go e videogames.
- Robôs que aprendem a andar ou segurar objetos.
- Otimização de rotas, estoques e consumo de energia.
- Ajuste fino de modelos de linguagem com feedback humano, para que as respostas sejam mais úteis.
Diferença para os outros tipos
No supervisionado, há respostas corretas rotuladas. No não supervisionado, não há rótulos e o objetivo é achar padrões. No reforço, não há resposta pronta, só uma recompensa que chega depois da ação.
Desafios
Exige muitas tentativas, pode ser caro ou perigoso fora de simulação e depende de uma boa definição de recompensa, pois o agente pode explorar brechas e cumprir a meta de forma indesejada.
Perguntas frequentes
Aprendizado por reforço precisa de dados? Não de dados rotulados, mas de muita interação com o ambiente, em geral simulada.
É usado no ChatGPT? Sim, uma etapa de ajuste usa feedback humano com técnicas de reforço, segundo descrições públicas dos laboratórios.
É difícil de aprender? Exige base em probabilidade e programação, mas há cursos e bibliotecas gratuitas.
Termos relacionados
Machine learning, Aprendizado supervisionado, Deep learning.
« Voltar Para Glossário