一間金融科技公司設計一款智慧投資系統，該系統會根據市場變化自動決定「買進」、「持有」或「賣出」的行動，並根據每次交易後的盈虧結果，逐步優化下一次的投資策略。整個過程中，系統不依賴事先標記的資料，而是根據歷次行動獲得的獎勵進行調整。請問此系統最可能採用哪一種學習方法？

Question

(A) 強化式學習（Reinforcement Learning）
(B) 監督式學習（Supervised Learning）
(C) 非監督式學習（Unsupervised Learning）
(D) 遷移學習（Transfer Learning）

Accepted Answer

正確答案：(A) 強化式學習（Reinforcement Learning）

強化式學習的組成要素很好認——代理人（Agent）在環境（Environment）中觀察狀態（State），選擇一個行動（Action），環境回饋獎勵（Reward），代理人再依據獎勵調整策略（Policy），目標是讓長期累積報酬最大化。題幹幾乎把這些要素逐一寫出來了。