Обучение с подкреплением

Коротко: При обучении с подкреплением агент пробует действия в среде, получает награды или штрафы и учится максимизировать сумму наград.

Подробнее: Готовых правильных ответов нет, есть лишь обратная связь после действия. Агент должен взвешивать пробу нового (исследование) и использование известного (эксплуатация).