Aprendizado por Reforço
Aprender levando tombo com placar: no aprendizado por reforço, um agente age num ambiente, recebe recompensas ou punições, e ajusta a estratégia por tentativa e erro até maximizar o resultado, sem gabarito de respostas certas, apenas o placar. Foi a técnica dos marcos em jogos, e, na variante com feedback humano (RLHF), o polimento final que tornou os LLMs úteis e educados.
Exemplo Prático
Na lapidação dos assistentes atuais, humanos compararam respostas e o modelo foi recompensado por preferir as melhores: o tom prestativo que você encontra é, literalmente, comportamento reforçado. Em finanças, a técnica aparece em problemas de decisão sequencial, como otimizar a execução de ordens grandes ao longo do pregão.
PlatomAI Explica
O reforço é o aprendizado mais parecido com a vida: ninguém entrega o gabarito, o mundo entrega consequências, e a estratégia emerge do placar acumulado. Sua sutileza perigosa é a mesma dos incentivos humanos que este glossário conhece: o agente otimiza a recompensa que foi definida, não a intenção que se tinha, e recompensa mal desenhada produz comportamento indesejado com eficiência exemplar, a lição que os verbetes de alinhamento e governança desta vertical recolhem adiante.