ApprentissageL’apprentissage est un ensemble de mécanismes menant à l'acquisition de savoir-faire, de savoirs ou de connaissances. L'acteur de l'apprentissage est appelé apprenant. On peut opposer l'apprentissage à l'enseignement dont le but est de dispenser des connaissances et savoirs, l'acteur de l'enseignement étant l'enseignant.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
StressLe stress (de l'anglais stress ) est, en biologie, l'ensemble des réactions d'un organisme soumis à des pressions ou contraintes de l'environnement, les . Ces réactions dépendent toujours de la perception qu'a l'individu des pressions qu'il ressent. Selon la définition médicale, il s'agit d'une séquence complexe de situations provoquant des réactions physiologiques, psychosomatiques. Par extension tous ces incidents sont également qualifiés de stress. Dans le langage courant, on parle de stress positif (eustress en anglais) ou négatif (distress).
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Styles d'apprentissageLes styles d’apprentissage constituent une gamme de théories concurrentes et contestées qui, à partir d’un concept commun selon lequel les apprenants diffèreraient dans la façon d’acquérir leur connaissances, vise à tenir compte desdites différences d’acquisition supposées chez les apprenants. Bien que ces diverses théories divergent dans leurs vues sur la façon dont lesdits styles doivent être définis et classés, ces théories suggèrent que tous les apprenants pourraient être étiquetés en fonction d’un « style » d’apprentissage particulier comme « visuel », « auditif », « kinesthésique », « tactile », etc.
Stress chez l'humainLe 'stress chez l'humain' qualifie à la fois une situation contraignante et les processus physiologiques mis en place par l'organisme pour s'y adapter. Chez l'adulte, le stress peut avoir des origines physiques, pathogéniques (ayant une maladie génétique, infectieuse ou parasitaire comme origine par exemple), socio-psychiques, médiées par divers processus hormonaux (hormones, ou molécules de stress), chimiques et biochimiques de l'organisme.
NoradrénalineLa noradrénaline ou norépinéphrine est un composé organique qui joue le rôle d'hormone adrénergique et de neurotransmetteur. C'est une catécholamine comme la dopamine ou l'adrénaline. Elle est principalement libérée au niveau du tronc cérébral et par les fibres nerveuses du système nerveux orthosympathique (ou sympathique) et agit comme neurotransmetteur au niveau des organes effecteurs. Elle est également le précurseur métabolique de l'adrénaline (NOR signifiant Nitrogen ohne Radikal en allemand, littéralement azote sans radical ou azote libre).
Meta-learning (computer science)Meta learning is a subfield of machine learning where automatic learning algorithms are applied to metadata about machine learning experiments. As of 2017, the term had not found a standard interpretation, however the main goal is to use such metadata to understand how automatic learning can become flexible in solving learning problems, hence to improve the performance of existing learning algorithms or to learn (induce) the learning algorithm itself, hence the alternative term learning to learn.
