ערכים

ערכים מתייחסים לעקרונות או לאמונות שאנשים או חברות רואים כחשובים ומשתמשים בהם כדי להנחות את התנהגותם וקבלת ההחלטות שלהם. ערכים מחזיקים לעתים קרובות עמוק ויכולים להשתנות בין תרבויות, דתות ואינדיבידואלים. כמה דוגמאות לערכים כוללות כנות, יושרה, כבוד, שוויון, צדק, נאמנות, חמלה וחירות. לערכים יש תפקיד משמעותי בעיצוב הזהות האישית, עיצוב מערכות יחסים והשפעה על מערכות חברתיות ופוליטיות.

ערכי משיכה וערכי יעד הם מושגים הנפוצים בתחום למידת החיזוק.

בלימוד חיזוק, סוכן מקיים אינטראקציה עם סביבה ומבצע פעולות על מנת למקסם מושג כלשהו של תגמול. ערך המשיכה, הידוע גם כ-Q-value, הוא מדד לתגמול העתידי הצפוי לביצוע פעולה מסוימת במצב נתון. ערך ה-Q מיוצג בדרך כלל כפונקציה Q(s,a), כאשר s הוא המצב הנוכחי ו-a היא הפעולה שננקטה.

ערך היעד, לעומת זאת, הוא ערך שאליו מותאם ערך ה-Q במהלך תהליך הלמידה. ערך היעד מחושב לעתים קרובות כסכום התגמול המיידי שהושג לאחר נקיטת פעולה והתגמול העתידי המהוון, כלומר, ערך ה-Q של צמד המצב-פעולה הבא.

במהלך הלמידה, ערך ה-Q מתעדכן לקראת ערך היעד באמצעות כלל למידה כגון אלגוריתם Q-learning או אלגוריתם SARSA. על ידי עדכון איטרטיבי של ערכי ה-Q לקראת ערכי היעד, הסוכן לומד לנקוט בפעולות שממקסמות את התגמול העתידי הצפוי שלו.