Como posso aprender um aprendizado de máquina simples sem um comportamento codificado? [fechadas]

Eu sempre me interessei por aprendizado de máquina, mas não consigo descobrir uma coisa sobre começar com um exemplo simples "Olá Mundo" - como posso evitar um comportamento codificado?

Por exemplo, se eu quisesse "ensinar" um bot a evitar obstáculos colocados aleatoriamente, não poderia usar apenas o movimento relativo, porque os obstáculos se movem, mas não quero codificar, digamos, distância, porque isso arruina todo o objetivo do aprendizado de máquina.

Obviamente, gerar código aleatoriamente seria impraticável, então como eu poderia fazer isso?

Não tenho certeza se isso se encaixa no escopo deste SE, mas aqui está uma facada na resposta de qualquer maneira.

Com todas as abordagens de IA, você precisa decidir o que está modelando e que tipo de incerteza existe. Depois de escolher uma estrutura que permita modelar sua situação, você verá quais elementos são "fixos" e quais são flexíveis. Por exemplo, o modelo pode permitir que você defina sua própria estrutura de rede (ou mesmo a aprenda) com certas restrições. Você precisa decidir se essa flexibilidade é suficiente para seus propósitos. Então, dentro de uma estrutura de rede específica, você pode aprender parâmetros com um conjunto de dados de treinamento específico.

Você raramente codifica o comportamento nas soluções de AI / ML. Trata-se de modelar a situação subjacente e acomodar situações diferentes, aprimorando elementos do modelo.

No seu exemplo, talvez você precise que o robô aprenda a detectar obstáculos (analisando elementos no ambiente) ou que ele acompanhe onde estavam os obstáculos e para que lado eles estavam se movendo.