教科書で学ぶ機械学習の枠組み
定義強化学習 は、行動の結果として得られる 報酬 (よい結果ほど大きくなる評価の値) を手がかりに、報酬が大きくなる行動のしかたを試行錯誤で身につける方式である。
解説行動して結果を受け取ることを何度も繰り返し、目先の報酬だけでなく、長い目で見た報酬の合計が大きくなる行動を探していく。ボードゲームの手の選び方や、ロボットが転ばずに歩く制御などに使われる。
たとえ自転車に乗る練習で、誰にも手順を教わらずに、転ばずに進めた距離を手応えにして体の使い方を直していくようなもの。
記憶フック「強化」は心理学の言葉で、ほめられた行動ほど繰り返されるようになること。報酬で行動を強めると覚える。