強化学習

問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。 強化学習では、エージェントが環境に対して行動し、その結果として得られる（ ）をもとに、よりよい行動方針を学習する。

1. A. 正解ラベル
2. B. 報酬
3. C. 主成分
4. D. 特徴マップ

解説（正解: B）

正解はB。強化学習では、エージェントが環境の状態を観測し、行動を選択し、その結果として得られる報酬をもとに方策を改善する。正解ラベルを直接与える教師あり学習とは異なり、試行錯誤を通じて長期的な報酬が大きくなる行動を学ぶ。Aは教師あり学習、Cは次元削減、DはCNNなどで使われる特徴マップに関する語である。