01 / UNDERSTAND
仕組みと使いどころ
強化学習では、エージェントが環境の状態や観測に基づいて行動し、その結果として新しい状態と数値化された報酬を受け取ります。この試行錯誤を繰り返し、将来の影響も含めて累積報酬を高める行動方針である「方策」を学習します。教師あり学習のように各入力へ正解ラベルを与えるのではなく、行動へのフィードバックから学ぶ点が特徴です。動的な環境での逐次的な意思決定に利用できますが、既知の高報酬行動と未知の行動の探索を両立させる必要があります。また、現実環境での試行が危険または非現実的な場合があり、複雑なモデルでは判断理由の把握が難しいこともあります。
02 / IN PRACTICE
Reinforcement Learningの活用例
たとえば、こんな場面で
例えば、ロボットに目的地までの移動を学ばせる場合、移動を行動、現在位置を状態、到達時間などに応じた値を報酬として設定し、複数回の試行から累積報酬を高める経路選択を学ばせる用途が考えられます。
03 / GOOD TO KNOW
使うときのポイント
導入時は、状態・可能な行動・報酬・終了条件を目的に沿って定義し、現実環境で安全に試行できるか、必要に応じてシミュレーターを使えるかを確認します。
参考資料
What is Reinforcement Learning? - Reinforcement Learning Explained - AWS （新しいタブで開きます）What is reinforcement learning? | IBM （新しいタブで開きます）Use Reinforcement Learning with Amazon SageMaker AI （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。