強化学習とは？ALPHAGOでも使われている強化学習を具体例とともに丁寧に解説！｜Udemy メディア

強化学習の３つの応用例 まだ強化学習について疑問が残る方もいると思うので、実際の応用例を挙げて、説明していきたいと思います。ここでは、プロに勝った囲碁の人工知能AlphaGo、アウディの自動車の自動運転、エレベーターの制御システムを取り上げていきます。 強化学習の応用例①プロに勝った囲碁の人工知能、AlphaGo 強化学習は、行動の直後に報酬を得られない場合や、行動を選択する指針となる教師データの入力がされていないなど、制約のある状況でも学習を進めることができる自律型エージェントに適した学習手法です。 囲碁の対戦を複数回行っても名人を下し続けた人工知能AlphaGo（アルファ碁）のアルゴリズムには、この手法の一つであるQ学習が採用されています。 Q学習は、最適な行動の価値をQ値とし、大量の試行とその結果から、常にこのQ値が最大になるような行動を選択していく学習手法です。 Q値は将来に渡る報