머신러닝의 유형

• Supervised Learning : 레이블이 주어진 데이터를 학습
• Unsupervised Learning : 레이블이 주어지지 않은 데이터를 학습
• Reinforcement Learning : 보상을 통해 학습

강화학습 (Reinforcement Learning)

강화학습은 에이전트가 환경과 직접 상호작용하며 순차적으로 행동들을 선택하면서 보상을 최대화하는 방향으로 스스로 학습 (순차적 결정 문제)

• 에이전트 agent : 의사결정을 하는 대상

• 환경 environment : 에이전트의 의사결정을 반영하고 에이전트에게 정보를 주는 역할

• 행동 action : 에이전트가 의사 결정을 통해 취할 수 있는 행동

  

  (출처 : 파이토치와 유니티 ML-Agents로 배우는 강화학습)

  이산적인 (discrete) 행동 (선택지 중 하나를 선택하는 것)과 연속적인 (continuous) 행동 (특정 양만큼 행동하는 것)이 존재함

• 보상 reward : 선택한 행동에 대하여 환경으로부터 받는 신호

• 순차적 결정 문제 : 특정 상태에서 취하는 행동이 다음 상태에 영향을 줌

➡ 이러한 순차적 결정 문제를 수학적으로 표현해야 에이전트가 학습할 수 있음

강화학습의 예시

강화학습의 목표

에이전트가 장기적으로 최대 누적 보상을 얻을 수 있도록 하는 최적 정책을 학습하는 것

즉, 순간적인 보상을 최대화하는 것이 아니라 누적 보상이 최대가 되는 행동을 선택하도록 한다.