什麼是強化學習（reinforcement learning）

想像你在教狗狗一個把戲。你不會給牠一本說明書，而是讓牠嘗試，做對了就給點心。久而久之，狗狗學會哪些動作能換到點心。強化學習（reinforcement learning，RL）用同樣的方式訓練軟體：一個智能體在某個世界裡行動，收到一個叫做「獎勵」的數字，慢慢摸索出長期能賺到更多獎勵的行為。

更精確地說，強化學習是機器學習的一個分支：智能體完全透過互動、觀察後果來學會一個「策略」——也就是根據情境選擇動作的規則——而不是靠一份標好正確答案的資料集。它的目標是最大化長期累積的期望獎勵，而非眼前的好處。正因如此，強化學習特別適合那些「一連串決策、效果隨時間展開」的問題：遊戲、機器人、控制，以及訓練語言模型助理。