Resposta correta
- BTreinar um agente por meio de recompensas e penalidades em um ambiente interativo
Explicação
O reinforcement learning é um paradigma de machine learning no qual um agente aprende a tomar decisões interagindo com um ambiente, recebendo recompensas por ações desejáveis e penalidades por ações indesejáveis. Esse processo de tentativa e erro permite que o agente desenvolva uma política ideal ao longo do tempo, diferenciando-se do aprendizado supervisionado ou não supervisionado. No Azure, isso é exemplificado por serviços como os recursos de reinforcement learning do Azure Machine Learning ou a integração com plataformas como o Ray RLlib.
Para se aprofundar
O reinforcement learning é um ramo do machine learning focado na tomada de decisões sequenciais, onde um agente aprende interagindo com um ambiente para maximizar um sinal de recompensa cumulativo. A estrutura formal é tipicamente um processo de decisão de Markov (MDP), definido por estados, ações, probabilidades de transição, recompensas e um fator de desconto que pondera os retornos imediatos versus os futuros. Uma subtileza fundamental é que as recompensas são avaliativas, e não instrutivas: elas indicam quão boa foi uma ação em retrospectiva, mas não dizem ao agente qual teria sido a ação correta, razão pela qual a atribuição de crédito — determinar quais ações passadas merecem crédito por uma recompensa atrasada — é um desafio central. O RL difere acentuadamente do aprendizado supervisionado (que aprende a partir de exemplos rotulados), do aprendizado não supervisionado (que encontra estruturas ocultas) e do transfer learning (que reaproveita modelos pré-treinados); ele é impulsionado, em vez disso, por tentativa e erro, exploração versus exploração e planejamento de longo prazo. As aplicações do mundo real incluem jogos (por exemplo, AlphaGo), controle robótico, direção autônoma e precificação dinâmica, onde o agente deve se adaptar continuamente a um ambiente incerto com base no feedback de suas próprias ações. Um equívoco comum é que o RL pode ser reduzido ao aprendizado supervisionado com recompensas como rótulos, mas a falta de respostas corretas explícitas e a presença de decisões estendidas no tempo tornam-no um problema fundamentalmente diferente e frequentemente mais complexo.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.