{"id":4197,"date":"2023-06-16T21:44:50","date_gmt":"2023-06-16T19:44:50","guid":{"rendered":"https:\/\/sites.ac-corse.fr\/maths\/?page_id=4197"},"modified":"2024-12-17T21:24:00","modified_gmt":"2024-12-17T20:24:00","slug":"apprentissage-renforcement","status":"publish","type":"page","link":"https:\/\/sites.ac-corse.fr\/maths\/apprentissage-renforcement\/","title":{"rendered":"Apprentissage par renforcement"},"content":{"rendered":"\n
\n
Cors’IA<\/a><\/div>\n\n\n\n
Apprentissage par renforcement<\/a><\/div>\n\n\n\n
Apprentissage supervis\u00e9<\/a><\/div>\n<\/div>\n\n\n\n
\n\n\n\n

L’apprentissage par renforcement<\/strong> (en anglais : Reinforcement Learning<\/em>) d\u00e9signe l\u2019ensemble des m\u00e9thodes qui permettent \u00e0 un agent<\/strong> d\u2019apprendre \u00e0 choisir quelle action prendre dans un environnement<\/strong>, de fa\u00e7on autonome, en recevant des r\u00e9compenses<\/strong> ou des p\u00e9nalit\u00e9s en fonction de ses actions.<\/p>\n\n\n\n

Au travers de son exp\u00e9rience, l\u2019agent cherche \u00e0 trouver la strat\u00e9gie d\u00e9cisionnelle optimale qui puisse lui permettre de maximiser les r\u00e9compenses accumul\u00e9es au cours du temps.<\/p>\n\n\n\n

Par exemple, dans le jeu de Pac-Man, le but de l\u2019agent (Pac-Man) est de manger la nourriture dans la grille tout en \u00e9vitant les fant\u00f4mes sur son chemin. Le monde de la grille est l\u2019environnement interactif de l\u2019agent. Pac-Man re\u00e7oit une r\u00e9compense pour avoir mang\u00e9 de la nourriture et une punition s\u2019il est tu\u00e9 par le fant\u00f4me (il perd le jeu).<\/p>\n\n\n\n

<\/div>\n\n\n\n

Activit\u00e9 1 : l’hexapawn<\/h4>\n\n\n\n