生成AIパスポート用語集機械学習

強化学習とはきょうかがくしゅう

答え：○。初めはランダムに動きますが、報酬を手がかりに次第に最適な行動を身につけます。

英語Reinforcement Learning分野機械学習出題重要度★★★公式テキスト公式テキスト第1章「機械学習の手法」

解説：村井宗明（GUGA協議員・元文部科学大臣政務官・AIエンジニア）｜公開 2026年10月8日｜更新 2026年10月8日

強化学習の意味

強化学習とは、達成したい目標を設定し、目標に近づく行動にはプラスの報酬、遠ざかる行動にはマイナスの報酬を与えることで、コンピュータが試行錯誤しながら最も良い行動の取り方を自ら身につけていく機械学習の手法です。正解データを与える教師あり学習とは異なり、報酬を手がかりに学習します。

生成AIパスポート試験の対策なら → 無料の合格アプリ

学習を始めたばかりのコンピュータは、何をすればよいかわからないため、ほぼランダムに行動します。しかし、行動するたびに報酬が返ってくるので、繰り返すうちに「どの状況でどう動けば報酬が多くもらえるか」を学んでいきます。この過程で使われるのが「価値」と「方策」という考え方です。

ゲームの攻略、ロボットの動作制御、自動運転車の判断など、正解を一つに決めにくく、行動の結果で良し悪しが決まる問題に向いています。ChatGPTの開発に使われたRLHF（人間のフィードバックによる強化学習）も、この考え方を応用したものです。

強化学習では、目標に近づく行動に報酬を与え、コンピュータが報酬を最大化する行動を学んでいく。

答えと解説を見る

答え：○

初めはランダムに動きますが、報酬を手がかりに次第に最適な行動を身につけます。