1.3基礎
エージェントが環境で行動し、結果に応じて報酬を受け取る。
試行錯誤で方策を改善する。
説明として正しいものを2つ選べ。
× 不正解
強化学習は環境との相互作用から報酬を最大化する方策を学び、探索と利用、報酬設計の影響を管理する。
詳細解説
誤り正解ラベル付きの教師あり学習と同じである
報酬と環境との相互作用が中心である。
正しい強化学習は状態・行動・報酬を通じて方策を学ぶ
結果の良さを報酬信号で評価する。
誤り報酬を設計しなくても目的と無関係に安全な方策になる
報酬の設計が望ましくない行動を誘発し得る。
正しい探索と既知の良い行動の利用のバランスが必要である
未知の行動を試すことと、得た知識を使うことを調整する。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01 Domain 1.3の強化学習、報酬、機械学習方法を確認する。
参考にした公式資料
確認できる内容
強化学習を教師あり学習と区別し、報酬設計の影響を説明できる。
理解のポイント
- 状態
- 行動
- 報酬
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
強化学習
エージェントが環境で行動し、報酬を通じて方策を改善する学習。
探索と利用
新しい行動を試すことと、既知の良い行動を選ぶことのトレードオフ。
問題IDAWS-AIF-235
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告