تخيّل أنك تُعلّم طفلًا ركوب الدراجة: يحاول، يسقط، يصحّح، وكل تقدّم صغير يقرّبه من التوازن. يقوم التعلّم المعزّز (Reinforcement Learning, RL) على هذه الفكرة بالضبط: يتعلّم الوكيل (agent) كيف يتصرّف داخل بيئة عبر تعظيم المكافآت التي يتلقّاها، من خلال المحاولة والخطأ المتكرّرين. وخلافًا للتعلّم المُوجَّه، لا أحد يمنحه «الإجابة الصحيحة»، بل يكتشفها بنفسه عبر التجربة.
حلقة الوكيل والبيئة
في كل خطوة، يرصد الوكيل حالة ($s$)، ويختار فعلًا ($a$) وفق سياسته ($\pi$)، ثم تُعيد له البيئة مكافأة ($r$) وحالة جديدة. الهدف هو تعظيم المكافأة التراكمية، مرجَّحة بعامل خصم $\gamma \in [0,1]$ يُفضّل الحاضر على المستقبل البعيد:
$$G_t = \sum_{k=0}^{\infty} \gamma^{k} \, r_{t+k+1}$$
والتحدي الجوهري هو الموازنة بين الاستكشاف والاستغلال: هل يستغلّ الوكيل ما يعرفه فعلًا، أم يستكشف بحثًا عن خيار أفضل؟
التعلّم المعزّز مقابل النماذج الأخرى
| النموذج | إشارة التعلّم | مثال |
|---|---|---|
| المُوجَّه | تسميات جاهزة | تصنيف الصور |
| غير المُوجَّه | لا هدف محدّد | تجميع البيانات |
| المعزّز | مكافآت مؤجَّلة | لعب الشطرنج |
التطبيقات
- الألعاب (Go، الشطرنج، ألعاب الفيديو)
- الروبوتات والتحكّم الحركي
- ضبط النماذج اللغوية الكبيرة عبر RLHF (التعزيز انطلاقًا من التغذية الراجعة البشرية)
التعلّم المعزّز لا يتعلّم ماذا يُجيب، بل كيف يتصرّف لبلوغ هدف معيّن.