কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে বার বার ভুল সিদ্ধান্ত থেকে সঠিক সিদ্ধান্ত নেয়ার সক্ষমতা তৈরি হয় যে মাধ্যমে-

কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে বারবার ভুল সিদ্ধান্ত থেকে সঠিক সিদ্ধান্ত নেওয়ার সক্ষমতা সাধারণত রিইনফোর্সমেন্ট লার্নিং (Reinforcement Learning) এর মাধ্যমে অর্জিত হয়।

রিইনফোর্সমেন্ট লার্নিং:

এটি একটি লার্নিং পদ্ধতি যেখানে একটি এজেন্ট (Agent) একটি পরিবেশ (Environment) এর সাথে ইন্টারঅ্যাক্ট করে।

প্রতিটি ক্রিয়ার পর এজেন্ট একটি পুরস্কার (Reward) বা শাস্তি (Penalty) পায়।

লক্ষ্য হলো এমন একটি পলিসি শেখা যা সর্বোচ্চ পুরস্কার অর্জন করতে সাহায্য করে।

ভুল থেকে শিক্ষা নিয়ে এজেন্ট তার সিদ্ধান্ত উন্নত করে এবং সময়ের সাথে সঠিক সিদ্ধান্ত নিতে সক্ষম হয়।