強化学習

エージェントが環境と相互作用しながら、報酬を最大化するように行動方針を学習する手法。ゲームAIやロボット制御、自動運転などに応用される。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。

試行の結果に報酬を与え、報酬が最大になる行動を学習させる方式。逐次的な意思決定を伴う制御や運用の最適化に用いられる。

エージェントが環境の中で試行錯誤しながら行動し、得られる報酬の合計が最大になる行動の選び方（方策）を学習する機械学習の手法。自動車の自動走行の制御、建築物の揺れの制御、在庫発注や配車ルートの最適化など、判断を逐次重ねる問題の支援に使われる。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。

エージェントが環境の中で行動し、その結果として得られる報酬が長期的に最大になるような行動の選び方（方策）を、試行錯誤を通じて学習する機械学習の手法。正解は与えられず報酬だけを手がかりにする。ゲームの攻略、ロボットの制御、生成AIを人の好みに合わせるRLHFなどに使われる。

コンピュータがデータから規則性やパターンを自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習の3つに大別される。AIの中核技術の一つ。

入力データと正解ラベルのペアを学習データとして与え、未知のデータに対する予測モデルを構築する機械学習手法。回帰（数値予測）と分類（カテゴリ予測）に大別される。

正解ラベルのないデータからパターンや構造を自動的に発見する機械学習手法。クラスタリング（データの分類）や次元削減が代表的なタスク。顧客セグメンテーションなどに応用される。

データの特徴量や条件に基づいて分岐を木構造で表現し、分類・回帰・意思決定を行う手法。結果の解釈が容易で可視化しやすい。機械学習ではランダムフォレストの基礎となり、意思決定分析では期待値やリスクの評価に用いられる。

複数の決定木を組み合わせて予測精度を向上させるアンサンブル学習手法。各決定木はデータと特徴量をランダムに抽出して構築し、多数決や平均で最終予測を行う。過学習に強い特徴を持つ。

データ間のマージン（境界からの距離）を最大化する超平面を求めて分類を行う機械学習アルゴリズム。カーネルトリックにより非線形分類にも対応できる。SVMとも略される。