強化学習
意味・解説
試行錯誤を通じて、報酬を最大化するための最適な行動を学習する手法。
コンピュータ（エージェント）が特定の環境の中で行動を選択し、その結果得られる「報酬」が最大になるような戦略を自律的に学習する手法。正解を与える代わりに、行動の良し悪しを点数（報酬）で評価するのが特徴。
くわしく
強化学習は、機械学習の主要な3分類（教師あり・なし・強化）の一つで、生き物が経験から学ぶプロセスに似た学習方法です。ポイントは、囲碁や将棋のように「最終的な勝利（報酬）」は明確だが、途中の膨大な一手のうちどれが正解か分からないような複雑な問題に対し、コンピュータが自ら最適な手順（方策）を見つけ出せるからです。システムを構成するのは、行動する「エージェント」、環境の変化を伝える「状態」、行動を評価する「報酬」のサイクルです。実務では、囲碁AI「AlphaGo」の飛躍に貢献したほか、自動運転の走行制御、工場のロボットアームによる効率的なピッキング、空調システムの省エネ制御、金融取引のアルゴリズム構築などに活用されています。ITパスポート試験では、「試行錯誤」「報酬（スコア）を最大化」というキーワードと、教師あり学習（正解を与える）との違いが頻出ポイントとなります。
例文
自動走行ロボットの障害物回避プログラムに強化学習を導入し、壁にぶつからず目的地に辿り着く最短ルートを自律的に学習させた。
対義語: 教師あり学習
分類: 機械学習
この用語は生成AIパスポート試験にも出ます
生成AIパスポート試験（生成AI活用普及協会）の公式シラバス第4版では、第1章 AI（人工知能） の 1-2 に「強化学習」として掲載されています。ITパスポートと重なるのは全191語中42語で、その1つがこの用語です。