強化学習とは？きょうかがくしゅう
強化学習とは、機械学習（データから規則を学ばせる仕組み）の方式の一つで、AIが試しに行動し、その結果の良し悪しを「報酬」として受け取りながら、報酬が最も大きくなる行動のしかたを試行錯誤で身につける方式。1つ1つの行動に正解は与えられない。正解つきのデータで学ぶ教師あり学習、正解なしでデータをグループ分けする教師なし学習との区別が問われる。
最終更新：2026-10-10
ITパスポートを最短で暗記・合格する →背景
行動のあとで結果が出て初めて良し悪しが分かり、1手ごとの正解が誰にも分からないといった課題では、正解つきのデータをそろえて学ばせることができない。そこで、試して得た結果の良し悪しだけを手がかりに、よりよい行動を自分で見つけていく方式が考えられた。
具体例
囲碁や将棋のAIは、勝てばプラス、負ければマイナスの報酬を受け取り、対局を何度も繰り返して強くなる。自動車の自動走行の制御や、建物の揺れを抑える制御も、強化学習の使い道としてシラバスに挙がっている。
試験での引っ掛け
「赤ちゃんの泣き声と、泣いた原因の組を大量に与えて学ばせる」のように、入力と正解の組で学ばせるのは教師あり学習。強化学習は、正解ではなく行動の結果の良し悪しから学ぶ。また人が書いたルールで判定するだけのものは、学習をしていない。
関連用語
出典・参考
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。