ドメイン適応

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。

機械学習モデルに対し、人間には知覚できない微小なノイズや変更を入力データに加えることで、AIの判定結果を意図的に誤らせる攻撃手法、またはそのために加工されたデータ。画像認識の誤判定誘導やマルウェア検知の回避などに悪用される。推論時（利用時）の攻撃に分類される。

AIモデルの学習に使用される訓練データに悪意のあるデータを混入させることで、モデルの判定精度を低下させたり、特定の誤動作を引き起こす攻撃手法。敵対的サンプルが推論時の攻撃であるのに対し、データポイズニングは学習時の攻撃である点が異なる。

データの処理や、機械学習のモデルの構築、学習、評価、推論を効率よく行うためのソフトウェアの枠組み。データの前処理、ニューラルネットワークの層の定義、GPUを使った計算などの機能を提供する。TensorFlow、PyTorch、scikit-learnなどがある。

機械学習、特に強化学習で、目標の性能に達するまでに必要な学習データや試行の回数の少なさを表す性質。現実のロボットでの試行は時間がかかり、機器の損傷の恐れもあるため、サンプル効率の高い学習の手法や、シミュレーションでの事前の学習が重要になる。

ロボットなどの制御を、物理法則を再現したシミュレーションの環境の中で学習させること。現実の機器を使うより速く、安全に、大量の試行ができ、危険な状況も再現できる。学習した結果を現実に移すときには、Sim to Real Gapへの対策が必要になる。