機械学習の手法のうち、「強化学習」の説明として最も適切なものはどれか。
- 1入力データと正解ラベルの組を大量に与え、入力から正解を予測できるようにモデルを学習させる手法
- 2正解ラベルを与えずに、データどうしの類似性をもとにデータをいくつかのグループに分ける手法
- 3学習済みのモデルで得られた知識を、別の関連するタスクの学習に再利用する手法
- 4エージェントが環境の中で行動を選択し、その結果として得られる報酬の累積が最大になるような行動方針を試行錯誤によって学習する手法
正解と解説を見る
正解：4
強化学習は、エージェントが環境とやり取りしながら、得られる報酬の合計（累積報酬）が最大になる行動の選び方（方策）を学ぶ手法です。囲碁AIのAlphaGoやロボット制御などに使われています。正解ラベル付きのデータで学習するのは教師あり学習で、ラベルなしでグループ分けするのは教師なし学習（クラスタリング）です。学習済みモデルの知識を別のタスクに転用するのは転移学習です。強化学習のキーワードは「エージェント・環境・行動・報酬」です。
根拠：機械学習の3分類（教師あり学習・教師なし学習・強化学習）