Acerca dos conceitos de redes de computadores, do programa Microsoft Outlook 2019 e dos conceitos de inteligência artificial, julgue o item seguinte. O aprendizado por reforço cons

Gabarito

Errado

Comentário do professor

Aprendizado por reforço foi julgado errado porque não se baseia em dados previamente rotulados. Em vez de receber pares entrada-saída corretos, o agente aprende por tentativa e erro a partir de sinais de recompensa ou penalidade oferecidos pelo ambiente.

Em termos formais, muitas tarefas de reforço são modeladas como um MDP com tupla \( (S, A, P, R, \gamma) \), onde o objetivo é aprender uma política que maximize a recompensa cumulativa.

Já o aprendizado supervisionado usa exemplos rotulados \((x,y)\) que indicam explicitamente a saída correta. No reforço não há rótulos diretos e pode haver recompensa retardada, exigindo atribuição de crédito e trade-off entre exploração e explotação.

Exemplo de atualização em Q-learning: \(Q(s,a)\leftarrow Q(s,a)+\alpha\big(r+\gamma\max_{a'}Q(s',a')-Q(s,a)\big)\). Portanto a afirmação é incorreta.