Q-learning

Método de aprendizaje por refuerzo que aprende valores de acción (Q) para estados; las redes Q profundas lo combinan con redes neuronales para entradas de alta dimensión como píxeles de juegos.

El Q-learning es un algoritmo de aprendizaje por refuerzo que estima qué tan buena es cada acción en cada estado. Un agente elige acciones para maximizar la recompensa a largo plazo mientras explora alternativas. El Q-learning tabular clásico funciona en espacios pequeños; las redes neuronales pueden aproximar valores Q para entradas grandes como video en bruto.

El DQN de DeepMind (artículo) combinó Q-learning con una red neuronal convolucional y estabilizadores como repetición de experiencia, logrando puntuaciones humanas en varios juegos Atari solo desde píxeles.