Środowisko Środowisko (ang. environment) to zadanie lub symulacja, z którym agent (gracz) wchodzi w interakcję. Przykładowym środowiskiem jest gra komputerowa, w którą agent uczy się grać, lub symulacja giełdy, gdzie agent uczy się inwestować. Celem uczenia przez wzmacnianie jest maksymalizowanie nagrody zwracanej przez to środowisko, czyli nauczenie agenta osiągania w nim jak najwyższego wyniku, np. wygrania jak największej liczby gier (jeśli środowisko jest symulacją gry), lub wykonania jak najkorzystniejszych inwestycji (jeśli środowisko jest symulacją giełdy). Cechy środowiska:
Stan (ang. state) – zmienna określająca stan środowiska. Krok (ang. step) – jest to najczęściej funkcja, która na podstawie podanej akcji aktualizuje stan środowiska i zwraca nagrodę oraz obserwację. Agent uczy się podawać takie akcje, które zmaksymalizują zwracaną nagrodę. Na przykład: w środowisku symulującym grę w szachy, krokiem jest pojedyncze posunięcie. Epizod (ang. episode) – zbiór kroków, po którym resetowany jest stan środowiska, np. jedna partia w środowisku symulującym grę w szachy. Nagroda (ang. reward) – zmienna zwracana przez środowisko po wykonaniu kroku, która obrazuje jak korzystny był dany krok. Na przykład w środowisku symulującym grę w szachy, nagroda może przyjąć wartość figury zbitej w danym ruchu.