Un des principes de l'apprentissage par renforcement est de mettre en place un système de récompense/punition pour identifier les informations pertinentes afin de progresser. Ce fonctionnement est particulièrement visible dans tous les jeux résolus. L'exemple développé ici à partir de l’Hexapawn, jeu qui oppose un joueur humain à une machine composée de boites d’allumettes, permet de voir comment l'intelligence artificielle fait émerger un algorithme optimal.

►Initiation à l'apprentissage par renforcement.pdf

Bastien Masse, coordinateur de la chaire éducation ouverte et intelligence artificielle (EO - IA) et administrateur de l'association Class'Codede, met en lumière l’apprentissage par renforcement qui consiste à permettre à un algorithme de se renforcer par l’expérience (les données) et de progresser au cours de son fonctionnement.

Plus d'informations

Retrouvez tous les documents de la formation au numérique des élèves