🔑 名詞卡

Q-Learning

🎯 定義

一種透過試錯學習（Trial-and-Error）找到最佳決策的強化學習方法。核心目標是讓 AI 學習每個行動的長期價值（Q 值），進而選擇能獲得最大獎勵的最佳行動。

運作方式

AI 會探索環境，根據當前狀態（State）選擇行動（Action），並獲得獎勵（Reward）。隨著學習深入，AI 不斷更新 Q 值，最終形成最佳決策策略。例如在遊戲 AI 中，Q-Learning 能幫助 AI 學習如何選擇最有利的下一步，以獲得更高分數或提高勝率。

vs Deep Q-Learning：傳統 Q-Learning 需將所有狀態與行動組合存入 Q 表（Q-Table），當狀態空間過大時方法不可行；Deep Q-Learning 用深度神經網路近似 Q 值以解決此限制。

📖 課文原文
「Q-Learning 是一種透過試錯學習（Trial-and-Error）找到最佳決策的強化學習方法。它的核心目標是讓 AI 學習每個行動的長期價值（Q 值），進而選擇能獲得最大獎勵的最佳行動。」