強化学習の基本概念

問題

強化学習に関する記述のうち誤りを1つ選べ。

強化学習（Reinforcement Learning）は、AI（エージェント）が「環境」の中で自ら試行錯誤（行動）し、その結果として得られる「報酬」を最大化するように学習していく機械学習の一分野です。

正解データ（ラベル）は与えられず、自転車の乗り方を覚えるように「うまくできたら褒められる（報酬がもらえる）」という経験を通じて最適な行動ルール（方策）を見つけ出します。

自動運転、ロボット制御、ゲームAI（将棋や囲碁など）といった高度な自律制御システムの開発に欠かせない技術です。

1. 強化学習は環境との相互作用を通じて学習する

正しい：エージェントが環境の状態を観察し、行動を起こし、その結果として環境から報酬を受け取り、次の状態へ移行する…という相互作用のループで学習します。

2. 強化学習は報酬を最大化する方策を学ぶ

正しい：強化学習の最終目的は、長期的・累積的な報酬の合計を最大化するための最適な行動ルール（最適方策π）を学習することです。

3. 強化学習は必ず正解ラベルを使って学習する

誤り：強化学習は「正解ラベル」を与えられて学習するのではなく、行動の結果として得られる「報酬」を手がかりにして自立的に学習します。

4. 強化学習は試行錯誤を通じて行動を改善する

正しい：未知のより良い行動を探す「探索」と、これまでの経験から最良と思われる行動を選ぶ「活用」をバランス良く繰り返しながら改善を行います。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ