人工知能をめぐる動向と手法
ロボットが試行錯誤しながら環境と相互作用し、得られる報酬の合計を最大化するように行動方策を学習する枠組みに最も近い事例はどれか。
- ✓掃除ロボットが清掃完了までの時間や衝突回数に応じた報酬・罰則を受けながら、効率的な移動経路を自ら学習していく
- B大量のラベル付き画像データを用いて猫と犬を分類するモデルを学習する
- Cラベルのない顧客の購買データをいくつかのグループに自動的に分類する
- D収集したテキストデータに含まれる単語の出現頻度を単純に集計する
解説
掃除ロボットが行動の結果として得られる報酬や罰則をもとに、より良い行動方策を自ら学習していく事例は強化学習の典型例である。ラベル付きデータからの分類モデルの学習は教師あり学習、ラベルのないデータのグルーピングは教師なし学習、単純な頻度集計はいずれの学習にも該当しない。
根拠シラバス「強化学習」