Glossaire

Apprentissage par renforcement (RL)

Qu’est-ce que Apprentissage par renforcement (RL) ?

L'apprentissage par renforcement (reinforcement learning) est une branche de l'apprentissage automatique dans laquelle un agent apprend par essais et erreurs. Il agit dans un environnement, reçoit des récompenses pour les bons résultats et des pénalités pour les mauvais, et élabore ainsi une stratégie qui maximise le gain global. Parmi les exemples connus figurent les programmes qui maîtrisent des jeux comme le go, le pilotage de robots ou l'ajustement de modèles de langage à partir d'évaluations humaines.

Thèmes

méthode d'apprentissage
récompense
agents

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Q-learning

Le Q-learning est une méthode fondamentale de l'apprentissage par renforcement. Un agent apprend par essais et erreurs quelle valeur à long terme (la « valeur Q ») a une action donnée dans une situation donnée, puis choisit peu à peu les actions les plus prometteuses. Il n'a pas besoin de modèle de son environnement. Combiné à des réseaux de neurones (deep Q-learning), il a permis à un système de DeepMind d'apprendre à jouer à de nombreux jeux vidéo Atari à partir des seuls pixels de l'écran.

apprentissage par renforcement
algorithme
+1

Apprentissage par renforcement à partir de retours humains (RLHF)

Le RLHF est une méthode d'entraînement qui rend les modèles de langage plus utiles et plus sûrs. Des personnes comparent et notent plusieurs réponses du modèle ; ces jugements servent à entraîner un modèle de récompense, qui affine ensuite le modèle de langage par apprentissage par renforcement. Le modèle apprend ainsi, par exemple, à répondre plus clairement ou à refuser des demandes problématiques. Le RLHF a lieu chez le fournisseur du modèle, avant sa publication, et non chez chaque utilisateur.

entraînement
retours humains
+1

Apprentissage supervisé

En apprentissage supervisé, un modèle apprend à partir d'exemples dont la bonne réponse est déjà connue, par exemple des e-mails étiquetés « spam » ou « non spam ». Il en déduit des règles pour classer de nouveaux cas ou prédire des valeurs. Les tâches typiques sont la classification et la régression ; l'essentiel de l'effort consiste à produire des données correctement annotées.

Machine learning
Entraînement
+1

Apprentissage non supervisé

En apprentissage non supervisé, un modèle reçoit des données sans réponses correctes prédéfinies et recherche lui-même des structures. Les méthodes typiques sont le clustering, qui regroupe les enregistrements similaires, et la réduction de dimension, qui condense de nombreuses variables en quelques-unes essentielles. Les entreprises s'en servent pour découvrir des segments de clientèle ou repérer des transactions inhabituelles ; les groupes obtenus doivent ensuite être interprétés par des experts métier.

Machine learning
Clustering
+1