Aprendizaje por refuerzo

Aprendizaje por refuerzo
Un sistema de aprendizaje es aquel que utiliza una base de datos para aprender
acerca del entorno basándose en el objetivo de maximizar una señal específica del
mismodenominada recompensa. El comportamiento y las decisiones del sistema
dependerán de las conclusiones obtenidas durante el proceso de aprendizaje.

El aprendizaje por refuerzo, en cambio, no utiliza unaentrada de datos para
aprender: el sistema aprende a partir de sus propias experiencias. Esto quiere decir
que los primeros resultados obtenidos tendrán un carácter pseudo-aleatorios
(dependiendodel comportamiento establecido en el sistema) pero que irá mejorando
y orientándose en función de los resultados que se vayan obteniendo en el tiempo y,
según vaya aprendiendo, tenderá a aplicar elcomportamiento que mejores resultados
haya dado en los casos anteriores. En este caso, ya que no se conoce la salida
adecuada inicialmente, el sistema tratará de evolucionar para intentar maximizarla
recompensa recibida a largo plazo.

Para los ejemplos de estudio de esta técnica usamos las implementaciones de
distintos juegos (estudiando en profundidad el juego del 3 en raya) modificandolos
comportamientos de los jugadores implementados: alternamos entre un
comportamiento aleatorio y un comportamiento basado en el aprendizaje por
refuerzo. Cada prueba se realizó varias veces parafomentar el aprendizaje de los
jugadores.

Si ambos jugadores realizaban los movimientos de la misma manera, los
resultados obtenidos reflejaron que el jugador que realizaba sus movimientosbasándose en un aprendizaje por refuerzo mostraba una mejora progresiva de los
resultados hasta terminar ganando en la mayoría de las ocasiones. Después, si ambos
jugadores jugaban aleatoriamente, losresultados eran completamente aleatorios,
mientras que si ambos jugaban utilizando aprendizaje por refuerzo, los resultados
dependían de la naturaleza del juego (en este caso siempre acabaron en...