Workflow of a semi-supervised learning system

التعلم المعزز هو فرع من فروع تعلم الآلة حيث يتعلم نظام يطلق عليه "الوكيل" كيفية اتخاذ قرارات من خلال التفاعل مع بيئة معينة والهدف من هذا النوع من التعلم هو تعظيم المكافآت على المدى الطويل.

أهم الجزئيات الأساسية فيه هي:

• الوكيل (Agent): هو الكيان الذي يتخذ القرارات بناءً على المعلومات المتاحة لديه.
• البيئة (Environment): هي السياق الذي يتفاعل معه الوكيل، وتتأثر حالته بالقرارات التي يتخذها الوكيل.
• الإجراءات (Actions): هي الخيارات المتاحة للوكيل في كل حالة.
• الحالة (State): هي المعلومات المتاحة للوكيل في لحظة معينة، والتي تحدد كيف يتفاعل مع البيئة.
• المكافأة (Reward): وهي القيمة التي يحصل عليها الوكيل نتيجة لإجراء معين، والتي تحدد مدى جودة هذا الإجراء.

عند بدأ عملية التعلم نركز على هذه الخطوات:

• الاختيار: يبدأ الوكيل في حالة معينة ويختار إجراء بناء على استراتيجية أو سياسة معينة.
• التنفيذ: يتم تنفيذ الإجراء، مما يؤدي إلى تغيير في حالة البيئة.
• الحصول على المكافأة: بعد تنفيذ الإجراء، يحصل الوكيل على مكافأة تعكس جودة الإجراء المتخذ.
• التحديث: يستخدم الوكيل المعلومات المكتسبة (الحالة الجديدة والمكافأة) لتحديث استراتيجيته في اتخاذ القرارات المستقبلية.
• التكرار: يكرر الوكيل هذه العملية لتحسين أدائه مع مرور الوقت.

والهدف هو تحقيق أقصى قدر من المكافآت عبر الزمن، مما يعني تحسين استراتيجيات الوكيل مع تزايد التجارب فالتعلم المعزز هو إطار تعلم يعتمد على التجربة والاختبار، حيث يتعلم الوكيل كيفية اتخاذ قرارات أفضل بناء على المعلومات التي يجمعها من تفاعلاته مع البيئة.