El aprendizaje profundo reforzado o deep reinforcement learning es la combinación del aprendizaje profundo (deep learning) y del aprendizaje reforzado (reinforcement learning), que se han examinado en otras entradas de este glosario. Es, además, una nueva generación de las técnicas de aprendizaje automático (machine learning) pues permite a la máquina resolver un abanico más amplio de tareas de decisión complejas que hace unos años no podía resolver.
Como en el aprendizaje reforzado, se requiere un entorno con el que la máquina interactúe. Dicho entorno puede ser un proceso de decisión real o una simulación de este. La máquina aprende por condicionamiento, es decir, si de una decisión obtiene un resultado beneficioso, la repetirá en el futuro. En cambio, si el resultado es perjudicial, evitará volver a tomar esa decisión. De esta forma, la máquina aprende a optimizar un proceso de decisión y a desarrollar estrategias a largo plazo que maximicen los beneficios.
El aprendizaje profundo reforzado utiliza las redes neuronales, que son una arquitectura de Machine learning utilizada para generalizar el conocimiento. Es decir, mediante las redes neuronales se puede encontrar patrones en los datos y aplicar el conocimiento adquirido en otros datos que no se han visto previamente.