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（行動する主体のプログラム）が環境の中で行動し、その結果として得られる報酬が最大になるように、試行錯誤しながら方策（どの状況でどの行動を選ぶかの決まり）を学ぶ方式。個々の行動に正解は与えられず、良し悪しは報酬という形で遅れて返ります。基本情報技術者試験では、教師あり学習・教師なし学習と並ぶ3方式の区別として出題されます。
最終更新：2026-10-09
この語が出る過去問を解く →具体例
囲碁や将棋のAIは、勝てば正の報酬、負ければ負の報酬を受け取り、対局を何百万回も繰り返して強くなります。ロボットの歩行制御や、在庫の発注量の最適化のように「行動の連鎖の結果」が評価される問題に向きます。
試験での引っ掛け
報酬は「正解ラベル」ではありません。1手ごとの正解は誰も教えず、最終的な結果からさかのぼって評価する点が教師あり学習との決定的な違いです。大量の試行が必要でシミュレータ環境が要る点も特徴です。
関連用語
出た過去問
出典：令和7年度 公開問題 基本情報技術者試験 科目A 問1（IPA）解説で登場
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 ＞ (8) 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。