問題
以下の説明に対応する名称の組み合わせとして、最も適切な選択肢を1つ選べ。（あ）方策を評価・改善する役割（い）価値関数を推定する役割
- A. （あ）Actor （い）Critic
- B. （あ）Critic （い）Actor
- C. （あ）Encoder （い）Decoder
- D. （あ）Generator （い）Discriminator
強化学習
G検定 実践演習の問題です。解説付きで個別に学習できます。
解説（正解: A）
正解はA。Actor-Criticでは、Actorが方策に基づいて行動を選び、Criticが価値関数を推定してActorの更新を助ける。価値ベースと方策ベースの考え方を組み合わせた手法として理解するとよい。CはSeq2Seqなど、DはGANに関する用語である。