Bandits manchots : agir et apprendre en même temps

Les bandits-manchots à bras multiples modélisent un grand nombre d'applications dans lesquelles un agent artificiel choisit une action à chaque pas de temps et reçoit une récompense aléatoire qui dépend de cette action. La distribution de ces récompenses n'est pas connue et l'agent doit l'apprendre uniquement  à partir des récompenses qu'il reçoit. Ce cadre couvre, par exemple, le choix des nouvelles à afficher sur une page web, ou la recommandation de vidéos.

Je présenterai dans ce séminaire les problématiques soulevées par les bandits-manchots, les grandes idées pour y répondre, ainsi que des problèmes toujours ouverts.