Action model learning
L'Action model learning (parfois abrégé en action learning) est un domaine de l’apprentissage machine destinés à la création et la modification d’agent logiciel connaissances de sur les effets et les conditions des actions qui peuvent être executé dans son environnement . Cette connaissance est généralement représentée dans un langage de description d’action basé sur la logique et utilisée comme entrée pour les planificateurs automatisés .
L'apprentissage de modèles d'action est important lorsque les objectifs changent . Lorsqu'un agent agit pendant un certain temps, il peut utiliser ses connaissances accumulées sur les actions du domaine pour prendre de meilleures décisions. Ainsi, les modèles d’action d’apprentissage diffèrent de l’apprentissage par renforcement. Il permet de raisonner sur des actions au lieu de faire des essais coûteux dans le monde. L'action model learning est une forme de raison inductive ment, où les nouvelles connaissances est générée en fonction de l’agent des observations . Il diffère de l’apprentissage supervisé standard en ce que des paires d'entrée / sortie correctes ne sont jamais présentées, ni des modèles d'action imprécis explicitement corrigés.
La motivation habituelle pour l'apprentissage de modèles d'action est le fait que la spécification manuelle de modèles d'action pour les planificateurs est souvent une tâche difficile, longue et sujette aux erreurs (en particulier dans des environnements complexes).
