Un nuevo artículo de Richard Sutton y colaboradores de la Universidad de Alberta y el Instituto Openmind aborda la "barrera del streaming" en el aprendizaje por refuerzo. La investigación, titulada "Actualizaciones Intencionales para el Aprendizaje por Refuerzo en Streaming", sugiere que la causa raíz de esta barrera no es la insuficiencia de datos, sino la elección incorrecta de las unidades del tamaño del paso. El equipo propone un enfoque novedoso donde el tamaño del paso se determina por el cambio deseado en la salida de la función, en lugar del movimiento del parámetro, mejorando la estabilidad en los procesos de aprendizaje. El artículo presenta el método de "Actualizaciones Intencionales", que especifica el resultado previsto de cada actualización, permitiendo un control más preciso sobre el aprendizaje. Este enfoque ha mostrado resultados prometedores, alcanzando un rendimiento equivalente al de algoritmos de última generación como SAC en tareas de control continuo sin depender de grandes buffers de repetición por lotes. La investigación destaca el potencial del aprendizaje por refuerzo en streaming para ofrecer un paradigma de aprendizaje más adaptativo y rentable, especialmente para aplicaciones con recursos computacionales limitados.