強化学習（きょうかがくしゅう）

概要解説

強化学習は、教師あり学習や教師なし学習と並ぶ、機械学習の主要なパラダイムの一つである。ある環境において、知的エージェントが現在の状態を観測し、累積報酬を最大化するために最適な行動を決定する手法を扱う。この問題設定は、最適制御理論や動的計画法とも密接に関連しており、環境はしばしばマルコフ決定過程として定式化される。また、オペレーションズ・リサーチなどの分野では、近似動的計画法やニューロダイナミック・プログラミングという名称で研究されてきた。代表的なアルゴリズムには、時間差分学習やQ学習などが挙げられる。エージェントは試行錯誤を通じて環境から学び、長期的な利益を最大化する方策を獲得する。現代の人工知能研究において、自律的な意思決定を可能にする技術として広く応用されている。