PR
PR
強化学習とは
強化学習は、機械学習の一種で、行動の結果として与えられる報酬を手がかりに、長期的な成果が最大になるような方策を試行錯誤で身につける仕組みです。正解データを使って予測器を育てる教師あり学習や、ラベルなしデータの構造を探る教師なし学習と異なり、各行動の正解は与えられず、経験から意思決定を改善します。
仕組みの基本は、環境に対してエージェントが行動し、得た報酬と状態の変化を観察して方策や価値の見積もりを更新するというサイクルです。未知を試す探索と、わかっている利得を取る活用のバランスをとりながら、段階的に性能を高めます。
応用例として、ロボットの動作制御や自動運転、囲碁・チェスなどのゲームAIがあります。人が全手順を設計しにくい連続的な判断問題でも、目標に向けた行動戦略を自律的に磨ける点が強みです。強化学習は、連続する意思決定を必要とする場面で、最適な行動の学習役を担います。
