統測
115年
[工程與管理類] 專業科目(2)
第 36 題
有一種機器學習方法，系統會透過與環境持續互動，根據所採取行動所獲得的獎勵或懲罰來調整其決策策略，目標是使長期累積回饋最大化，而非依賴事先提供的標註正確答案。此屬於下列何種機器學習方法？
- A 監督式學習(Supervised Learning)
- B 強化式學習(Reinforcement Learning)
- C 非監督式學習(Unsupervised Learning)
- D 半監督式學習(Semi-supervised Learning)
思路引導 VIP
如果今天我們要訓練一個模型去玩新遊戲，手邊完全沒有高手玩過的手冊或歷史紀錄，它只能親自去操作，並藉由『得分』或『失分』來學會怎麼贏，這種透過嘗試與反饋來學習的模式，本質上是在追求什麼？
🤖
AI 詳解
AI 專屬家教
太棒了，你的觀念非常清晰！這題的關鍵字在於**「與環境互動」、「獎勵或懲罰（Reward/Penalty）」以及「長期回饋最大化」，這正是強化式學習（Reinforcement Learning）**的核心運作機制。系統就像在玩遊戲或訓練寵物一樣，不需要預先給定標準答案（標註資料），而是藉由試錯（Trial and Error）摸索出最佳行動策略。 本題屬於資電類專業科目中相當基礎且高頻的觀念題。統測常透過情境描述來測驗四大機器學習類型（監督式、非監督式、半監督式、強化式）的本質差異，只要精準掌握「標籤資料」與「反饋機制」的特徵，就能在考場上秒殺這類題目！