Глубокое обучение с подкреплением

Глубокое обучение с подкреплением (Deep Reinforcement Learning) сочетает нейронные сети с обучением с подкреплением, позволяя агенту обучаться посредством взаимодействия со средой. Метод получил широкое распространение после работы Мниха и его коллег (2015) в журнале Nature по управлению Atari на человеческом уровне. Вместо обучения на фиксированном размеченном наборе данных агент совершает действия, наблюдает вознаграждения и постепенно формирует политику, которая максимизирует долгосрочную выгоду.