Uno de los enfoques mas usados dentro de aprendizaje es el aprendizaje supervisado a partir de ejemplos (pares entradas – salida provistos por el medio
ambiente), para despues predecir la salida de nuevas entradas.
•Cualquier sistema de prediccion puede verse dentro de este paradigma, sin embargo, ignora la estructura secuencial del mismo.
•En algunos ambientes, muchas veces se puede obtener solo cierta retroalimentacion o recompensa o refuerzo (e.g., gana, pierde).
El refuerzo puede darse en un estado terminal y/o en
estados intermedios.
•Los refuerzos pueden ser componentes o sugerencias de la utilidad actual a maximizar (e.g., buena movida).
•En aprendizaje por refuerzo (RL) el objetivo es aprender cómo mapear situaciones a acciones para maximizar una cierta señal de recompensa.
•Promesa: programar agentes mediante premio y castigo sin necesidad de especificar cómo realizar la tarea