Waarom is dit belangrijk?
Meerdere stappen in één proces sluiten daardoor op elkaar aan, zonder dat gebruikers dezelfde gegevens telkens opnieuw moeten invoeren. In de zorg houdt een digitale hulp de vragen en de antwoorden kort vast, zodat vervolgvragen tijdens hetzelfde bezoek kunnen doorgaan. Gebruikers herhalen daardoor minder informatie, maar zulke berichten gaan over de gezondheid en organisaties mogen ze niet langer bewaren dan nodig is.
Zo werkt het in de praktijk
Bij bordspellen is de toestand de stand van het bord. In een proef van DeepMind is de toestand bij een Atari-simulator één schermbeeld. De agent kiest daarna een beweging met de joystick of een druk op de vuurknop.
Reinforcement learning onderzoekt welk beleid de beloning over tijd vergroot. Voor de beste actie telt alleen de informatie in de huidige toestand. Ziet de agent maar een deel van de situatie, dan gebruiken onderzoekers een deels waarneembaar Markov-beslisproces.
Die aanpak hoort bij het Markov-beslisproces, een model voor keuzes met een onzekere uitkomst. Het koppelt een toestand aan acties en aan een kans op de volgende toestand. Dynamische programmering zoekt daarbij een beleid dat per toestand een actie kiest.




