須多先生
みなさん お疲れ様でした
解説動画とクイズ形式のアクティビティで 「強化学習」の「行動」と「報酬」について理解できましたか？
5. チャット学習② ( 5 / 14 )
深田 あい
AIが取る「行動」に対しての評価として「報酬」を与えることで AIが適切な行動を学んでいくということが分かりました
徳井 天
AIが目的を達成するために どんな報酬を与えるのかは 人間が考えなきゃいけないんだよな
深田 あい
えっと 確か「報酬設計」って言うんだよね
報酬の与え方次第で どんなAIになるかが変わるんだから とても重要な役割だよね
須多先生
みなさん しっかり理解できたようですね
須多先生
それでは実際に 「強化学習」を使用したAIを動かしてみましょう
徳井 天
楽しみにしてました！「強化学習」を使って どんなAIを動かすんですか？
須多先生
前回と同じく 「三目並べ」をプレイするAIを試してみましょう
深田 あい
前回は「ルールベース」のコンピュータを作りましたよね
「強化学習」を使ったら もっと強くなるのかな？
徳井 天
「ルールベース」はあらかじめ決められた戦略に従って動くだけだったけど 「強化学習」ではAIが自分で試行錯誤して成長していくんだよな
須多先生
「ルールベース」とは違い 「報酬」を与えることで 少しずつ強くなっていくAIを体験してみましょう
須多先生
それでは STAR Colabの演習を用意しましたので 次のアクティビティの指示に従って進めてください
