什么是强化学习？

要了解强化学习，让我们从整体开始。

整体

强化学习背后的理念是，一个代理（AI）将通过**与环境互动**（通过试错）并**获得奖励**（负面或正面）作为执行动作的反馈来从环境中学习。

从与环境的互动中学习**来自我们的自然体验**。

例如，想象一下，把你的小弟弟放在他从未玩过的电子游戏面前，给他一个控制器，然后把他一个人留在那儿。

你的弟弟会通过按右键（动作）来与环境（电子游戏）互动。他得到了一枚硬币，这是一个 +1 奖励。它是正面的，他刚刚了解到，在这个游戏中**他必须获得硬币**。

但随后，**他再次按了右键**，结果他碰到了一个敌人。他死了，所以这是一个 -1 奖励。

通过试错与环境互动，你的小弟弟了解到**他需要在这个环境中获得硬币，但要避开敌人**。

**无需任何监督**，孩子将在玩游戏方面越来越好。

这就是人类和动物学习的方式，**通过互动**。强化学习只是一个**从动作中学习的计算方法**。

现在我们可以做一个正式的定义

强化学习是一个解决控制任务（也称为决策问题）的框架，通过构建从环境中学习的代理，通过试错与环境交互，并接收奖励（正面或负面）作为独特的反馈。

但强化学习是如何工作的？