用語集
強化学習きょうかがくしゅう
試行錯誤の結果に報酬を与え、報酬が最大になる行動を学ばせる機械学習の方法。
試行錯誤の結果に報酬を与え、報酬が最大になる行動を学ばせる機械学習の方法。
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し、良い結果には報酬、悪い結果には罰（マイナスの報酬）を与えることで、報酬が最大になる行動の仕方を学ばせる機械学習の方法です。
正解データを与える教師あり学習や、正解なしでパターンを見つける教師なし学習と並ぶ3つ目の学習方法です。囲碁・将棋のAIやロボットの制御、ゲームAIなどで成果を上げました。生成AIでも、人間の評価を報酬として回答を改善するRLHF（人間のフィードバックによる強化学習）として活用されています。「報酬を手がかりに試行錯誤で学ぶ」点が、他の学習方法との違いとして問われます。