強化学習
きょうかがくしゅう ／ Reinforcement Learning
定義
強化学習とは、試行錯誤を重ね、得られる報酬が大きくなる行動を学ばせる手法のことです。
強化学習は、AIが行動を選び、その結果として得られる報酬（評価）をもとに、より良い行動の選び方を学んでいく機械学習の手法です。囲碁や将棋のAI、ロボットの動作制御、配送経路や在庫の最適化などで研究・活用されています。大規模言語モデルでは、人の評価をもとに回答を好ましい方向へ調整する手法にも使われています。企業で使う場合は、何を報酬とするかの設計が結果を左右します。目的に合わない報酬を設定すると、意図しない行動を学ぶことがあるため、評価の基準を丁寧に決めることが大切です。