Обсуждение

давать непредсказуемый сигнал на дополнительный вход как "антинаграду Антинаграда называется наказанием. Пять антипремий этому антигению!!!

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.

Да, я неправ, "наказанием" происходящее в описываемом случае назвать нельзя, это отрицательное подкрепление. Тоже так себе термин, как и английский negative reinforcement. Я всегда видел в нём оксюморон. Но, раз терминология устоялась, для того чтобы её поменять нужны очень веские основания)) Но и наказание как синоним антинаграды вполне имеет право на существование. Когда награда - однократное поощрение после необходимого действия.

Вот зачем нас AGI прикончит. Чтоб не шумели!