概要
エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。
詳しい解説
強化学習(RL)は、エージェント(学習主体)が環境の中で行動し、その結果として得られる報酬を手がかりに、最も良い行動方針を試行錯誤で学んでいくの枠組みです。正解を直接教えるとは異なり、「何をすれば報酬が増えるか」を自ら発見します。囲碁AIやロボット制御、そしてによるLLMの調整に応用されています。
💡 青い破線の用語にカーソルを合わせる(タップする)と、その場で簡単な説明が表示されます。
具体例・活用シーン
ゲームの攻略
ゲームで高スコア(報酬)を得る操作を、何万回ものプレイを通じて自力で習得する、といった応用が有名です。
関連用語
この説明に誤りや改善点を見つけましたか?
✏️ この説明を改善提案する