強化学習の基礎強化学習の基礎 小池 康晴 † ，鮫島 和行 ‡ ‡ 東京工業大学 精密工学研究所 科学技術振興事業団 ERATO 川人学習動態脳プロジェクト † 1 教師無し学習 赤ちゃんが生れてから、手を動かしたり、物をつかんだりするとき、手の動かし方や、物のつかみ方を直接教 えてもらうことなく、環境との相互作用により、自然に学習する。このような学習は、教師なし学習とよばれて いる。一方、絵や文字を覚えるような学習は、覚える絵や文字が与えられているため、教師あり学習と呼ばれる。 しかし、これらは、完全に分離することはできない。例えば、言葉を覚えるとき、自分の発生した音と他人が発 生した音は、直接比較することができるため、その差をつかって教師あり学習をすることができる。しかし、調 音器官の筋肉一本一本の動きは直接知ることができないため、教師無し学習を行うことになる。 近年、目標パターン（この
