Questão 67584

Em uma aula de Inteligência Artificial para um curso de licenciatura, a professora está discutindo o conceito de 'aprendizagem por reforço' (reinforcement learning). Ela quer que seus alunos, futuros professores, compreendam o paradigma básico desse tipo de aprendizado e como ele difere da aprendizagem supervisionada e não-supervisionada. Ela apresenta o framework do Agente-Ambiente: "Na aprendizagem por reforço, temos um **agente** (o aprendiz) que interage com um **ambiente**. Em cada passo de tempo, o agente observa o **estado** do ambiente e seleciona uma **ação**. O ambiente, por sua vez, transita para um novo estado e fornece ao agente uma **recompensa** (ou punição). O objetivo do agente não é ser dito qual ação tomar (como na aprendizagem supervisionada), mas sim aprender, por tentativa e erro, uma **política** (uma estratégia para selecionar ações) que maximize a recompensa cumulativa ao longo do tempo." Para tornar o conceito concreto, ela usa o exemplo de treinar um cão a sentar.

Como o problema de treinar um cão a sentar pode ser modelado como um problema de aprendizagem por reforço?

I. O **agente** é o cão. O **ambiente** é o quarto e o treinador. O **estado** pode ser a posição atual do cão (em pé, deitado, etc.). As **ações** disponíveis para o cão são {ficar em pé, sentar, deitar, latir}.

II. A **política** que o cão precisa aprender é: 'no estado 'em pé' e ao ouvir o comando 'senta', a melhor ação é 'sentar'.'

III. A **recompensa** é o petisco que o treinador dá ao cão quando ele executa a ação correta ('sentar') no estado correto. O petisco é um sinal de reforço positivo que aumenta a probabilidade de o cão repetir aquela ação no futuro, naquela mesma situação.

É correto o que se afirma em: