Atualizado em 22/10/2026: verbete refeito: definição curta com fonte, exemplo e termos relacionados; saiu o texto genérico anterior. Como conferimos os dados
No aprendizado por reforço (reinforcement learning), um agente aprende a agir num ambiente por tentativa e erro. Ele segue uma política (a regra de qual ação tomar em cada situação) e busca maximizar a recompensa total esperada ao longo do tempo.
Os elementos
- Agente: quem decide (um programa que joga, um robô).
- Ambiente e estado: a situação em que o agente está.
- Ação: o que ele faz.
- Recompensa: o retorno da ação, positivo ou negativo.
Exemplo
Um programa aprende um jogo sem regras explicadas: a cada partida, recebe pontos ao ganhar e perde ao errar, e ajusta a política para ganhar mais. Robôs que aprendem a andar e sistemas de recomendação que ajustam sugestões pelo clique seguem a mesma ideia.
Diferença para os outros tipos
Não há rótulo com a resposta certa, como no supervisionado, nem só dados para agrupar, como no não supervisionado: o sinal é a recompensa, que às vezes só chega depois de muitas ações.
Termos relacionados
Fontes (conferidas em 02/10/2026): Google: glossário de aprendizado por reforço