التعلّم المعزّز

التعلّم بالتجربة والخطأ والمكافأة؛ يشغّل ذكاء الألعاب والروبوتات وتدريب RLHF والاستدلال في نماذج LLM الحديثة.

الذكاء الاصطناعي والروبوتاتبرمجيات
  1. 1983

    النسخة الأولى

    أندرو بارتو وريتشارد سوتون

    الصورة: University of Massachusetts Amherst (derived from the Commonwealth seal by E. H… · Public domain · Wikimedia Commons ('Old seal of the University …
  2. 1988

    تعلّم الفروق الزمنية (سوتون)

    يتعلّم التنبؤات من التقديرات المتتالية بدل النتائج النهائية.

    الصورة: Original: GTE Vector: Opertinicy · Public domain · Wikimedia Commons
  3. 1989

    خوارزمية Q-learning (واتكينز)

    طريقة بلا نموذج لتعلّم قيم الأفعال المثلى.

    الصورة: Unknown author · CC BY-SA 3.0 · Wikimedia Commons
  4. 1992
    برنامج TD-Gammon (تيسارو، IBM)

    برنامج TD-Gammon (تيسارو، IBM)

    تعلّم الفروق الزمنية باللعب الذاتي يقترب من مستوى أبطال لعبة الطاولة.

    الصورة: Nikos Kitsakis · CC BY 4.0 · Wikimedia Commons
  5. 2013
    شبكة Deep Q-Network (DeepMind)

    شبكة Deep Q-Network (DeepMind)

    يتعلّم التعلّم المعزّز العميق لعب ألعاب Atari مباشرةً من بكسلات الشاشة: 7 ألعاب في 2013، و49 لعبة في ورقة Nature عام 2015.

    الصورة: Evan-Amos · Public domain · Wikimedia Commons
  6. 2022
    تقنية RLHF (InstructGPT/ChatGPT)

    تقنية RLHF (InstructGPT/ChatGPT)

    مكافآت التغذية الراجعة البشرية تواءم النماذج اللغوية؛ وتتيح ChatGPT.

    الصورة: Unknown author · CC BY 3.0 · Wikimedia Commons
  7. 2025

    التعلّم المعزّز للاستدلال (DeepSeek-R1)

    التعلّم المعزّز وحده بمكافآت قابلة للتحقق يعلّم النماذج اللغوية استدلالًا طويلًا خطوة بخطوة، ونُشر علنًا.

    الصورة: High-Flyer · Public domain · Wikimedia Commons

موضع خلاف: يبني على البرمجة الديناميكية لبيلمان (1957) وبرنامج الداما لصامويل (1959) وآلة MENACE لميتشي (1961)؛ ونسبت جائزة تورينغ 2024 الفضل إلى بارتو وسوتون.

شاهده على الخط الزمني