Respuesta correcta
- BEntrenar a un agente mediante recompensas y penalizaciones en un entorno interactivo
Explicación
El reinforcement learning es un paradigma de machine learning en el que un agente aprende a tomar decisiones interactuando con un entorno, recibiendo recompensas por acciones deseables y penalizaciones por las indeseables. Este proceso de prueba y error permite al agente desarrollar una política óptima a lo largo del tiempo, diferenciándose del aprendizaje supervisado o no supervisado. En Azure, esto se ejemplifica con servicios como las capacidades de reinforcement learning de Azure Machine Learning o la integración con plataformas como Ray RLlib.
Para profundizar
El reinforcement learning es una rama del machine learning centrada en la toma de decisiones secuenciales, donde un agente aprende interactuando con un entorno para maximizar una señal de recompensa acumulativa. El marco formal es típicamente un proceso de decisión de Markov (MDP), definido por estados, acciones, probabilidades de transición, recompensas y un factor de descuento que pondera los rendimientos inmediatos frente a los futuros. Una sutileza clave es que las recompensas son evaluativas, no instructivas: indican cuán buena fue una acción en retrospectiva, pero no le dicen al agente cuál habría sido la acción correcta, razón por la cual la asignación de crédito —determinar qué acciones pasadas merecen crédito por una recompensa retrasada— es un desafío central. El RL difiere marcadamente del aprendizaje supervisado (que aprende de ejemplos etiquetados), el aprendizaje no supervisado (que encuentra estructuras ocultas) y el transfer learning (que reutiliza modelos previamente entrenados); en su lugar, se rige por la prueba y error, la exploración frente a la explotación y la planificación a largo plazo. Las aplicaciones del mundo real incluyen juegos (por ejemplo, AlphaGo), control robótico, conducción autónoma y fijación de precios dinámica, donde el agente debe adaptarse continuamente a un entorno incierto basándose en la retroalimentación de sus propias acciones. Un concepto erróneo común es que el RL se puede reducir al aprendizaje supervisado con recompensas como etiquetas, pero la falta de respuestas correctas explícitas y la presencia de decisiones extendidas en el tiempo lo convierten en un problema fundamentalmente diferente y a menudo más complejo.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.