707d99d.js","832","static/chunks/832-433212fc0faa6b60.js","489","static/chunks/489-a5b84db177ed4a3f.js","430","static/chunks/app/%5Blocale%5D/w/%5Bkeyword%5D/page-7e0f5d54d5ece173.js"],"default"] 20:T797,

강화학습

영문명	Reinforcement Learning (RL)
분야	[[인공지능]], [[머신러닝]]
대표 사례	AlphaGo, 게임 AI

'''강화학습'''(Reinforcement Learning)은 에이전트가 환경과 상호작용하며 보상을 최대화하는 행동을 학습하는 [[머신러닝]] 방법입니다. AlphaGo가 대표적인 사례입니다. == 개요 == 강화학습은 시행착오를 통해 학습합니다. 정답을 직접 알려주는 지도학습과 달리, 행동의 결과로 받는 보상을 통해 스스로 최적의 전략을 찾습니다. == 핵심 개념 == === 에이전트 === 학습하는 주체. === 환경 === 에이전트가 상호작용하는 대상. === 상태 === 현재 환경의 정보. === 행동 === 에이전트가 취할 수 있는 선택. === 보상 === 행동의 결과로 받는 피드백. === 정책 === 상태에서 행동을 선택하는 전략. == 주요 알고리즘 == * '''Q-Learning''': 가치 기반 학습 * '''DQN''': 딥러닝 결합 * '''Policy Gradient''': 정책 직접 최적화 * '''PPO''': 안정적인 정책 학습 * '''A3C''': 분산 학습 == 대표 사례 == === AlphaGo (2016) === [[Google DeepMind]]가 개발, 바둑 세계 챔피언 이세돌 격파. === 게임 AI === Atari, StarCraft, Dota 2 등. === 로봇 제어 === 보행, 조작 학습. == RLHF == 인간 피드백 기반 강화학습. [[ChatGPT]], [[Claude]] 등 [[대규모 언어 모델]] 훈련에 사용됩니다. == 관련 문서 == * [[머신러닝]] * [[