第2回 AIの強化学習の基礎を学ぼう

AI・機械学習における「強化学習」の基礎知識と基本用語を、AWS DeepRacerの視点で解説。強化学習で特に重要な「報酬関数」については、重点的に説明する。 連載目次 AWS DeepRacerは、自律走行を行うミニカーである（前回詳しく説明した）。その走行エンジンにAI（人工知能）の機械学習モデル（より厳密には、ディープラーニングの「強化学習」と呼ばれる手法）が用いられる。強化学習（Reinforcement Learning）とは、次に取るべき行動を予測する機械学習モデルを作成するための学習方法である。DeepRacerでいえば、自動走行において「前に進むか」「右にハンドルを切るか」といった次に取るべき行動を予測するための走行エンジンを作成できるということだ。 本稿では、その強化学習の基礎について、AWS Summit Tokyo 2019で開かれた「DeepRacerワークショッ

[hamamuratakuo]

RLHF（Reinforcement Learning from Human Feedback：人間のフィードバックからの強化学習）とは？ https://b.hatena.ne.jp/entry/s/atmarkit.itmedia.co.jp/ait/articles/2306/07/news025.html