強化学習とは？
強化学習とは、エージェントが環境に対して行動し、得られた報酬を手がかりに「どの状態でどう行動すれば累積報酬が最大になるか」という方策を試行錯誤で獲得する学習方式。正解ラベルを与えず、遅れて届く報酬から学ぶ点が教師あり学習と根本的に異なる。
きょうかがくしゅう
強化学習の意味
エージェントが環境に対して行動し、得られた報酬を手がかりに「どの状態でどう行動すれば累積報酬が最大になるか」という方策を試行錯誤で獲得する学習方式。正解ラベルを与えず、遅れて届く報酬から学ぶ点が教師あり学習と根本的に異なる。
強化学習の具体例
データセンタの空調制御で、消費電力の低さを報酬、温度逸脱を罰として与えると、人手のルールより省エネな運転パターンを獲得する。ほかに在庫の発注量最適化、広告の配信順序、ロボットの動作制御などで使われる。
強化学習は試験でどう引っ掛けられる？
教師なし学習と混同されるが、報酬という評価信号がある以上「教師なし」ではない。また未知の行動を試す探索と、既知の良い行動を使う活用のトレードオフがあり、探索を怠ると局所解に留まる。実環境で試行錯誤させる危険性からシミュレータ併用が前提になることも多い。
強化学習と関連する用語
最終更新：2026-08-25／解説は資格暗記が独自に作成しています。 過去問の出典は各問題に記載のとおりです。