Apa Itu Pembelajaran Penguatan (Reinforcement Learning)? Penjelasan Pemula
Pembelajaran penguatan (reinforcement learning, disingkat RL) adalah cabang machine learning di mana sebuah agen belajar mengambil keputusan melalui interaksi coba-coba dengan lingkungan, menerima hadiah untuk tindakan yang mengarah ke tujuan dan penalti untuk tindakan yang menjauh darinya. Berbeda dari supervised learning, RL tidak memakai pasangan data berlabel.
Versi sederhananya
Bayangkan melatih anjing dengan camilan: perilaku yang benar diberi hadiah, perilaku yang salah tidak. Agen RL serupa, mencoba tindakan, mengamati hasil, lalu mengulangi pilihan yang membawa hadiah.
Komponen utama
| Komponen | Peran |
|---|---|
| Agen | Pengambil keputusan |
| Lingkungan | Situasi yang dihadapi agen |
| Tindakan | Pilihan yang dilakukan |
| Keadaan | Situasi saat ini |
| Hadiah | Umpan balik atas tindakan |
Cara belajar
- Agen mengamati keadaan.
- Agen memilih tindakan.
- Lingkungan memberi hadiah atau penalti.
- Agen menyesuaikan strategi dan mengulang.
Eksplorasi versus eksploitasi
- Eksplorasi mencoba tindakan baru untuk menemukan hasil lebih baik.
- Eksploitasi memakai tindakan yang sudah terbukti memberi hadiah.
- Agen menyeimbangkan keduanya agar tidak terjebak pada satu pilihan.
Contoh penggunaan
- Robotika yang belajar bergerak.
- Permainan yang memilih langkah.
- Sistem rekomendasi dan penjadwalan.
- Kendali sistem dan pengelolaan sumber daya.
Keterbatasan
RL bisa membutuhkan banyak percobaan dan data, serta hasilnya bergantung pada rancangan hadiah. Hadiah yang dirancang keliru dapat mengarahkan perilaku yang tidak diinginkan, sehingga perlu pengujian, bukan dianggap otomatis optimal.
FAQ
Apa bedanya RL dengan supervised learning?
Supervised learning memakai data berlabel, sedangkan RL belajar dari hadiah dan penalti melalui interaksi.
Apa itu hadiah dalam RL?
Sinyal umpan balik yang menunjukkan apakah suatu tindakan mengarah ke tujuan.
Mengapa agen perlu eksplorasi?
Agar menemukan strategi baru yang mungkin lebih baik, bukan hanya mengulang pilihan lama.
Apakah RL selalu cepat belajar?
Tidak. Beberapa tugas butuh banyak percobaan sebelum strategi stabil.
Poin utama
- RL melatih agen lewat coba-coba, hadiah, dan penalti.
- Agen belajar strategi untuk memaksimalkan hadiah jangka panjang.
- Keseimbangan eksplorasi dan eksploitasi menjadi kunci.
- Rancangan hadiah dan jumlah percobaan adalah tantangan praktis.
Lanjutkan membaca apa itu machine learning dan apa itu agen AI.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free