須多先生

みなさん こんにちは
本日も一緒に人工知能について学びましょう

須多先生

前回は「ボードゲームAIの歴史」について確認し 「三目並べ」で勝つためのコンピュータを作りましたね

徳井 天

世界チャンピオンに勝利していたり ボードゲームAIの強さは俺が思っていた以上だったよ

深田 あい

「三目並べ」で勝つためのコンピュータを作るには まずは勝つための戦略を考えて それをコンピュータに設定したんだよね

徳井 天

そうそう その結果 対戦相手としては十分なくらい強いコンピュータができたんだよな

深田 あい

Pythonプログラムも確認したけど プログラムの量が多くなっちゃって 複雑なルールに対応するのが難しいことがわかったよね

須多先生

あらかじめ決められたプログラムで動く仕組みを「ルールベース」と言いましたね

深田 あい

はい 「ルールベース」では 人間の限界があるって話でしたよね

須多先生

その通りです
「強化学習」を使えば AI自らが勝つための方法を学んでいきますよ

徳井 天

早速 「強化学習」を使ったAIを試してみたいな

深田 あい

えっと…私はもう少し 「強化学習」について理解してからにしたいかな

深田 あい

これまでのレッスンで 「強化学習」は「自ら進化するAI」だっていうのは分かったけど 仕組みについてはまだよく分かっていないんだよね…

徳井 天

言われてみれば確かにそうだな…
ボードゲームや自動運転で使われているってことは分かるけど 詳しいことについてはまだ学んでいなかったな

須多先生

「強化学習」の仕組みについて まだ詳しく解説していませんでしたね

須多先生

「強化学習」は AIが行うある「行動」に対して 「報酬」を与えることで より良い行動を選択できるよう学びを進めていきます

須多先生

例えば AIが「良い行動」を行ったら「プラスの報酬」を 「悪い行動」を行ったら「マイナスの報酬」を与えます

深田 あい

AIに与える「報酬」って 得点のようなイメージでしょうか…？

須多先生

はい その通りです
「良い評価」「悪い評価」を得点にしてAIに与えることで AIは自ら学んでかしこくなって行くんですよ

須多先生

「強化学習」をさらに理解するために 次の解説動画で学びを深めましょう

須多先生

解説動画を見終えた後は 「行動」と「報酬」に着目したクイズに挑戦して より学びを深めましょう