Apprendimento per rinforzo (RL)
Paradigma di ML in cui un agente impara per tentativi ed errori in un ambiente, premiato o penalizzato da un segnale di ricompensa. Non servono dati etichettati: l'agente se li genera da sé.
Svolte classiche: DQN di DeepMind sui giochi Atari (2013), AlphaGo (2016), AlphaZero (2017), OpenAI Five (Dota, 2018). Rinascita moderna grazie agli LLM: RLHF (allineamento) e RLVR (Reinforcement Learning from Verifiable Rewards, per matematica e codice) hanno guidato DeepSeek-R1 (2025). Algoritmi: Q-learning, Policy Gradient, PPO (Proximal Policy Optimization, la scelta abituale di OpenAI), DPO. Laborioso e costoso: servono milioni di episodi. L'RL «da zero» resta una frontiera della ricerca.