为什么 RL 被称为“强化”学习？

Question

我理解为什么机器学习被这样命名，最重要的是监督和无监督学习背后的命名法。 那么，什么是增强对强化学习？

Answer 1

强化学习中的“强化”是指如何鼓励某些行为，以及如何阻止其他行为。 行为通过从环境体验中获得的奖励而得到强化。

Answer 2

现代强化学习建立在两条主线之上。 一条线索涉及通过试错法学习，起源于动物学习心理学。 第二个线程涉及最优控制问题，它是使用值函数和动态规划的解决方案（Sutton and Barto., 2018）。 强化学习从第一个研究线程中借用了他的名字。 根据 Watkins (1989)，在研究动物的学习能力时，动物可能会自动获得强化物。 例如，在行为方面，正强化物可能是饥饿动物的一小口食物，或者是口渴动物的一小口水。 相反，负强化可能是电击。

附注。 Watkins 提出了 Q-learning 算法。

编辑：（添加更多历史记录）

根据 Sutton 和 Barto（2018 年）的说法：“动物学习背景下的“强化”一词在桑代克（Thorndike）表达效果定律之后很早就开始使用，第一次出现在这种背景下（据我们所知）是在 1927 年巴甫洛夫关于条件反射的专着的英文翻译。巴甫洛夫将强化描述为由于动物接受刺激——强化物——与另一种刺激或反应具有适当的时间关系而强化一种行为模式。”

Sutton、Richard S. 和 Andrew G. Barto。 强化学习：简介。 麻省理工学院出版社，2018 年。
Thorndike，EL 动物智能。 哈夫纳，达里安，康涅狄格州，1911 年。
沃特金斯，克里斯托弗·约翰·康尼什·海拉比。 “从延迟奖励中学习。” (1989)。

Answer 3

强化学习是通过反复试验来强化的。 不正确（或低于最佳）的结果不需要手动更正。 相反，重点是探索，并从这些相同的经历中获得反馈（强化）。