Q学習の特徴

問題

Q学習に関する記述として正しいものを1つ選べ。

Q学習（Q-learning）は、強化学習における代表的な「モデルフリー（環境の事前知識を必要としない）」のアルゴリズムです。

エージェントが試行錯誤を通じて、ある状態における各行動の価値（Q値）を計算し、最もQ値が高くなる行動を選ぶように表（Qテーブル）を更新していくことで最適方策を見つけ出します。

後に深層学習と組み合わせてDQN（Deep Q-Network）へと発展し、AIがゲームで人間に勝利するなど大きなブレイクスルーの基礎となりました。

1. Q学習は環境モデルを必要とする

誤り：Q学習は環境の動き（状態遷移確率など）を事前に知る必要がない「モデルフリー」の手法です。環境モデルは必要としません。

2. Q学習はQ値を更新して最適方策を得る

正しい：行動の結果得られた報酬をもとにQ値（行動価値）を更新し、最終的に最も価値の高い行動を選ぶ「最適方策」を得るのが特徴です。

3. Q学習は報酬を使わない

誤り：Q値の更新には、行動の結果として環境から与えられる「報酬」が不可欠です。

4. Q学習は行動価値関数を使わない

誤り：Q学習は、その名の通り「Q関数（行動価値関数）」の値を直接学習・更新していくアルゴリズムです。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ