強化学習の説明
機械学習における強化学習の説明として，適切なものはどれか。
- アエージェントが環境の中で試行錯誤しながら行動し，得られる報酬の累積が最大となるような行動の方策を学習する。
- イ入力データとそれに対応する正解ラベルの組を大量に与え，未知の入力に対する正解を予測するモデルを学習する。
- ウ正解ラベルのないデータから，データ間の類似性に基づいてグループ分けしたり，データの構造を見いだしたりする。
- エある課題で学習済みのモデルを基にして，別の課題の少量のデータで追加学習し，新たな課題に適応させる。
正解と解説を見る
正解 ア
この問題の基礎知識
- 教師あり学習は，入力と正解ラベルの組から入力と出力の対応関係を学習する方式であり，分類や回帰に用いられる。
- 教師なし学習は，正解ラベルのないデータから，クラスタリングや次元削減などによってデータの構造や傾向を見いだす方式である。
- 強化学習は，正解データの代わりに，エージェントが環境の中で行動した結果として得る報酬を手掛かりに，行動の方策を学習する方式である。
- 転移学習は，ある課題で学習済みのモデルの知識を別の課題に流用する手法であり，学習の方式（教師あり・教師なし・強化学習）の分類とは別の観点である。
アエージェントが環境の中で試行錯誤しながら行動し，得られる報酬の累積が最大となるような行動の方策を学習する。正解
強化学習では，正解データの代わりに行動の結果として与えられる報酬を手掛かりに，将来にわたる累積報酬を最大化する方策を学習する。囲碁やロボット制御などに用いられる。
イ入力データとそれに対応する正解ラベルの組を大量に与え，未知の入力に対する正解を予測するモデルを学習する。
正解ラベル付きのデータから入力と出力の対応関係を学習するのは教師あり学習である。分類や回帰の問題に用いられる。
ウ正解ラベルのないデータから，データ間の類似性に基づいてグループ分けしたり，データの構造を見いだしたりする。
正解ラベルを与えずに，クラスタリングや次元削減などによってデータの構造や傾向を見いだすのは教師なし学習である。報酬を手掛かりに方策を学習するものではない。
エある課題で学習済みのモデルを基にして，別の課題の少量のデータで追加学習し，新たな課題に適応させる。
学習済みモデルの知識を別の課題に流用するのは転移学習（ファインチューニングを含む）であり，報酬に基づいて方策を学習する強化学習の説明ではない。
検証用の出典出典照合済み
R. S. Sutton, A. G. Barto, Reinforcement Learning: An Introduction ／ NIST AI 100-2e2025 Adversarial Machine Learning（Glossary）照合の根拠（4 件）
- ア（正解）: 強化学習は環境との相互作用と報酬に基づいて行動を最適化する
A type of machine learning in which a model learns to optimize its behavior according to a reward function by interacting with and receiving feedback from an environment.
NIST CSRC Glossary（reinforcement learning，出典 NIST AI 100-2e2025） · reinforcement learning（新しいタブで開きます） - イ（誤り）: 正解ラベルを予測するよう学習するのは教師あり学習
A type of machine learning in which a model learns to predict explicit (often human-generated) labels or output values for data.
NIST CSRC Glossary（supervised learning，出典 NIST AI 100-2e2025） · supervised learning（新しいタブで開きます） - ウ（誤り）: ラベルのないデータからクラスタリング等を行うのは教師なし学習
such as learning a function to cluster or group data points
NIST CSRC Glossary（unsupervised learning，出典 NIST AI 100-2e2025） · unsupervised learning（新しいタブで開きます） - エ（誤り）: 学習済みモデルを起点に課題固有の情報を加えて追加学習するのはファインチューニング（転移学習）であり，報酬関数による学習ではない
In machine learning, a training step that starts from a pre
NIST CSRC Glossary（fine-tuning） · fine-tuning（新しいタブで開きます）