Corresponde a lo que en psicología se conoce como reglas estímulo-respuesta o asociaciones.
Este elemento es central ya que por sí solo es suficiente para determinar el comportamiento.
Es un fortalecimiento del ser humano para poder comprender de la mejor manera cualquier lectura.
La recompensa determina la bondad inmediata de un estado, el valor representa la bondad a largo plazo del mismo, tomando en cuenta los estados a los que podría conducir.
Así los algoritmos RL pueden verse en un continuo entre las estrategias ensayo-error y la planificación deliberativa.
Si todo el aprendizaje fuera resultado de recompensas y castigos nuestra capacidad sería muy limitada.