DRL (Deep Reinforcement Learning)

Sottocampo del machine learning che unisce reti neurali profonde e reinforcement learning per addestrare agenti a prendere decisioni ottimali in ambienti complessi.

Il DRL unisce reti neurali profonde e reinforcement learning: usa reti per approssimare funzioni di valore o la politica dell'agente, invece di tabelle di stato esplicite. L'agente osserva l'ambiente, agisce, riceve una ricompensa e aggiorna i pesi via backpropagation. Esempi fondamentali: DQN di DeepMind per i giochi Atari e AlphaGo per il Go. Oggi il DRL alimenta robotica avanzata, trading algoritmico e il processo RLHF usato per allineare i grandi modelli linguistici.