Inverse Reinforcement Learning(IRL, 역강화학습)은 agent의 행동 시연을 관찰해 그 행동이 최적이 되게 하는 보상 함수를 추정하는 기계학습 방법이다. 주어진 보상 함수로부터 정책을 배우는 reinforcement learning(강화학습)과 방향이 반대다. 2000년 Andrew Ng과 Stuart Russell이 'Algorithms for Inverse Reinforcement Learning' 논문에서 정식화했다.
보상 함수를 사람이 직접 설계하기 어려운 로봇 제어, 자율주행, 사람의 선호 추정 등에 쓰인다. 전문가의 행동을 그대로 따라 배우는 imitation learning(모방 학습)과 달리 행동 뒤에 있는 목표 자체를 복원하려 하며, 사람의 피드백으로 보상 모델을 학습하는 RLHF의 이론적 배경이기도 하다.