Без заголовка

Роза пахнет розой, хоть розой назови её, хоть нет. Вот тут поищите слово reward и поищите все эти penalty и punishment — нет, там cumulative reward, reward function и т.д., при этом награда вполне может быть отрицательной. Тут важно, что в подобных ситуациях вообще не рассматривается механизм наград, ибо просто предъявляется шум или не-шум. А система не знает, что это награда или наказание или что-то из этой серии. Просто "какие-то сигналы, изменяющиеся во времени". Но обучение происходит. Вот это главное, а какими это словами назвать по-русски, или по-китайски, или на физическом сленге, или как пошутить — это даже не десятое, а пятнадцатое по важности.