🤔 یادگیری تقویتی (Reinforcement Learning) چیست؟

💡 یادگیری تقویتی (Reinforcement Learning) روشی از یادگیری ماشین است که در آن مدل به‌جای دریافت جواب درست، فقط بازخورد (Feedback) می‌گیرد.

1️⃣ این بازخورد معمولاً به شکل یک عدد است:
عدد مثبت → کار خوب 👍
عدد منفی → کار بد 😞

👍 مدل باید از روی همین عدد بفهمد دفعه بعد چه کاری بهتر است انجام دهد.


🧱اجزای اصلی در یادگیری تقویتی

در هر مسئلهٔ RL چهار مفهوم اصلی وجود دارد:
❄️ عامل (Agent): چیزی که تصمیم می‌گیرد
❄️ محیط (Environment): دنیایی که عامل در آن قرار دارد
❄️ عمل (Action): کاری که عامل می‌تواند انجام دهد
❄️ پاداش (Reward): عددی که نشان می‌دهد نتیجهٔ عمل خوب بوده یا بد
هیچ «جواب درست»ی وجود ندارد؛ فقط نتیجه وجود دارد.


😠 مدل چطور یاد می‌گیرد؟

مدل یک چرخه را بارها تکرار می‌کند:
1️⃣ یک عمل انجام می‌دهد
2️⃣ محیط واکنش نشان می‌دهد
3️⃣ پاداش یا جریمه دریافت می‌کند
4️⃣ تصمیم‌های آینده‌اش را کمی اصلاح می‌کند

📈 این اصلاح‌ها کوچک هستند، اما با تکرار زیاد، رفتار مدل بهتر و بهتر می‌شود.


🤖مثال واقعی: آموزش یک ربات برای راه رفتن

در ابتدای آموزش:
🥶 ربات هیچ دانشی ندارد
🥶 حرکت‌ها تصادفی هستند
🥶 اشتباه زیاد است

اما:
حرکت‌هایی که باعث جلو رفتن می‌شوند پاداش می‌گیرند 🍬
حرکت‌هایی که باعث افتادن می‌شوند جریمه می‌شوند 🙅‍♂️

✔️ بعد از هزاران تکرار، ربات بدون اینکه قانون خاصی به او داده شود، راه رفتن را یاد می‌گیرد.


🙊 چرا یادگیری تقویتی بسیار مؤثر است؟

یادگیری تقویتی در مسائلی می‌درخشد که:
🥶 قانون مشخصی ندارند
🥶 تصمیم‌ها زنجیره‌ای و وابسته به هم هستند
🥶 نتیجهٔ یک کار ممکن است با تأخیر مشخص شود

به همین دلیل RL توانسته:
♟ انسان را در بازی‌هایی مثل Go و شطرنج شکست دهد
🤖 ربات‌ها را بدون برنامه‌نویسی مستقیم آموزش دهد
🧪 سیستم‌هایی بسازد که با تجربه بهتر می‌شوند، نه با دادهٔ از قبل آماده

✅ Telegram  📱 Instagram
🌐 Website
❄️❄️❄️❄️