强化学习（Reinforcement Learning）是机器学习的一个分支，指通过与环境交互并接收奖励或惩罚的反馈，使智能体（agent）学习如何采取行动以最大化累积奖励。与监督学习不同，强化学习不依赖于预先标记的数据，而是通过试错来学习。强化学习广泛应用于游戏、机器人技术、自动驾驶等领域，能够处理动态决策问题。例如，AlphaGo通过强化学习在围棋中击败人类冠军，机器人通过强化学习学习如何行走或抓取物体，自动驾驶汽车通过强化学习优化驾驶策略
» 人工智能术语词典