生成AI用語ドリルAIの基礎と歴史・AIと機械学習No.015 / 204
報酬・価値・方策
強化学習の基本の考え方。報酬は行動の良し悪しの点数、価値は先々まで含めた良さの見込み、方策はどの場面でどう行動するかの決まり。
確認問題
次の説明に当てはまる用語はどれか。
試行錯誤しながら、報酬が最も多くなる行動のしかたを学ぶ機械学習。ゲームやロボットの制御などに使う。
AIの基礎と歴史・AIと機械学習No.015 / 204
強化学習の基本の考え方。報酬は行動の良し悪しの点数、価値は先々まで含めた良さの見込み、方策はどの場面でどう行動するかの決まり。
次の説明に当てはまる用語はどれか。
試行錯誤しながら、報酬が最も多くなる行動のしかたを学ぶ機械学習。ゲームやロボットの制御などに使う。