https://www.slideshare.net/DongMinLee32/ss-91521646

강화학습의 기본 개념에 대해 설명한 슬라이드입니다. 학습은 보통 다음과 같이 세 가지로 구성됩니다.

첫째, 직접 정답이 뭔지 가르치는 지도학습입니다. 엄마가 아이에게 이건 사과, 이건 배라고 알려주는 것을 말합니다. 딥러닝의 CNN에서 사진을 분류하는 방법을 학습하는 것이 여기에 속합니다.

둘째, 외부의 도움 없이 스스로 패턴을 인식하는 비지도학습입니다. 사람은 대상을 바라볼때 네모난 것, 둥근 것 등 물체의 모양을 자연스럽게 구분을 할 수 있습니다. 데이터의 특징 정보에 따라 어떤 타입에 속하는지 그룹으로 묶는 클러스터링 기법이 대표적인 예입니다.

셋째, 보상과 벌칙을 통해 어떤 행동을 해야 하는지 배우는 강화학습니다. 레이블이 되어 있는 데이터가 필요없다는 점에서 비지도학습과 비슷하지만 환경으로부터 보상과 벌칙이 주어져야 한다는 점에서 큰 차이점이 있습니다. 아기가 어떤 음식을 먹고 맛이 있으면 계속 원하고 맛이 없으면 싫어하는 것도 강화학습이라 볼 수 있습니다.

알파고의 경우 프로기사들의 기보를 학습하는 지도학습과 스스로 대국하여 배우는 강화학습을 사용하였습니다. 가장 최신 버전은 기보 없이 혼자 두는 방식만으로 압도적인 성능을 보였다고 합니다.