強化学習とは？
読み方: キョウカガクシュウ
30秒まとめ
試行錯誤を通じて最適な行動を学習するAIの手法。ゲームAIやロボット制御に活用。
強化学習の意味・定義
強化学習（Reinforcement Learning）は、エージェント（AI）が環境と相互作用しながら、報酬を最大化する行動方針（ポリシー）を学習する機械学習の手法です。教師あり学習のように正解データを与えるのではなく、AIが自ら試行錯誤を繰り返し、良い結果には報酬を、悪い結果にはペナルティを与えることで学習が進みます。AlphaGo（囲碁AI）やAtariゲームでの超人的なパフォーマンスで注目を集めました。LLMの学習においても、RLHF（人間のフィードバックによる強化学習）として重要な役割を果たしており、ChatGPTやClaudeの出力品質向上に貢献しています。ロボット制御、自動運転、レコメンデーションシステム、リソース最適化など、実世界の複雑な意思決定問題にも応用が広がっています。