Reinforcement Learning คือการสอนให้ AI เรียนรู้ผ่าน “การลองผิดลองถูก” เพื่อเป้าหมายสูงสุดคือการได้รับรางวัล (Reward) มากที่สุด โดยมีองค์ประกอบหลัก 5 อย่าง:
Agent (ผู้กระทำ): เปรียบเสมือนตัวละครหรือ AI ที่เรากำลังฝึก* Environment (สิ่งแวดล้อม): โลกหรือสถานการณ์ที่ Agent อาศัยอยู่และต้องตัดสินใจ* State (สถานะ): ข้อมูลปัจจุบันที่ Agent มองเห็นในสิ่งแวดล้อม (เช่น ตำแหน่งในเกม หรือราคากราฟ)* Action (การกระทำ): สิ่งที่ Agent เลือกทำเพื่อตอบสนองต่อสถานะที่เป็นอยู่* Reward (รางวัล): ผลตอบแทนที่ได้จากการกระทำนั้นๆ หากทำดีจะได้รับคะแนนบวก หากทำพลาดจะได้รับคะแนนลบ
วงจรการทำงาน: Agent จะสังเกต State → ตัดสินใจทำ Action → สิ่งแวดล้อมจะเปลี่ยนไปเป็น State ใหม่ → และ Agent จะได้รับ Reward เป็นการตอบแทน เพื่อนำไปปรับปรุงการตัดสินใจในครั้งต่อไป
