強化学習
きょうかがくしゅう
意味
強化学習（Reinforcement Learning）とは、AI（エージェント）が環境の中で試行錯誤を繰り返し、ある行動をとった時に得られる「報酬」を最大化するように自律的に学習していく手法のことである。 「正解」を教えるのではなく、「良い行動にはご褒美（プラスの点数）、悪い行動には罰（マイナス...
概要
機械学習（AI）の手法の一つ。 AI（エージェント）が、試行錯誤を繰り返しながら、「どうすれば報酬（スコア）を最大化できるか」を自ら学習していく方法。 「アメとムチ」による学習。
仕組み
- AIが何か行動する（例：右に進む）。
- 環境から反応が返ってくる（例：壁にぶつかってマイナス10点）。
- AIは「右に行くと痛い目に遭う」と学習する。
- 行動を変える（例：左に進む）。
- 報酬がもらえる（例：ゴールしてプラス100点）。 これを何万回も繰り返すことで、人間には思いつかないような最強の戦略を編み出します。
応用
AlphaGo（囲碁AI）、将棋AI、ロボットの歩行制御、自動運転などで使われています。