DRL (Deep Reinforcement Learning)

Approccio che addestra agenti decisionali con reti profonde, ricompense e tentativi ripetuti dentro ambienti complessi simulati.

Nel Deep Reinforcement Learning, un agente osserva l'ambiente, sceglie un'azione, riceve una ricompensa e aggiorna il proprio comportamento. Le reti neurali sostituiscono tabelle esplicite e stimano valori o politiche anche quando gli stati possibili sono moltissimi. Questa combinazione ha reso possibili risultati noti nei giochi Atari, nel Go e nella robotica. Il metodo resta difficile da stabilizzare, perché ricompense mal definite possono guidare strategie indesiderate.