強化学習

「強化学習は、正解を教わらずに、やってみてうまくいったらご褒美をもらう学習」　4ページ　2026-10-23

参考書に出てきた強化学習は、教師あり学習と何が違うのか。一言で言うと、正解を教わらずに、やってみてうまくいったらご褒美をもらう学習。囲碁のAIは正解の手を教わらず、勝ったらご褒美・負けたらなしで何万回も打って、ご褒美が増える打ち方を自分で覚えた。ご褒美は試験では「報酬」。教師あり＝正解を見せる、教師なし＝正解なしで仲間分け、強化学習＝ご褒美で覚える、の3つの違い。正解が決められないゲームやロボットの動きに使う。ひっかけは「強化学習に正解はない」「報酬は正解ではない」。全4ページ。