仕組み最終確認 2026.09.09
Reinforcement Learning
強化学習(RL)きょうかがくしゅう・アールエル
AIが環境の中で行動し、得られた報酬を手掛かりに、より良い行動方針を学ぶ方法です。
MEANING
もう少し詳しく
正解例を一件ずつ教える代わりに、行動の結果として与えられる報酬を大きくする方針を学びます。ゲームやロボット制御だけでなく、生成AIの応答を調整する技術の土台にも使われます。
EXAMPLE
身近な例
ゲーム内で勝利へ近づく行動には高い報酬、失敗につながる行動には低い報酬を与え、試行を重ねて方針を改善します。
MISUNDERSTANDING
よくある勘違い
望ましい行動を褒めれば、AIが人間と同じ意味で善悪を理解する仕組みではありません。報酬の設計が不適切なら、数字だけを高める予想外の行動を学ぶことがあります。
KEY POINT
覚えておくこと
何を行動、環境、報酬として設計したかで、学ぶ方向が変わります。
SOURCE
確認した公式情報
コラボットが公式資料を確認し、初心者向けの表現へ整理しています。製品仕様や提供条件は変更される場合があります。
Google for Developers・Machine Learning Glossary ↗確認日:2026.09.09