強化学習とは？きょうかがくしゅう
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。
最終更新：2026-10-06
応用情報を最短で暗記・合格する →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。
試験での引っ掛け
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。
関連用語
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (9) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
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。