Навчання з підкріпленням

Коротко: За навчання з підкріпленням агент пробує дії в середовищі, отримує нагороди або штрафи й вчиться максимізувати суму нагород.

Докладніше: Готових правильних відповідей немає, є лише зворотний зв’язок після дії. Агент має зважувати пробу нового (дослідження) і використання відомого (експлуатація).