報酬の設計
強化学習で報酬を設計するときの注意点として、最も適切なものを1つ選べ。
- A
報酬は、どんな設計をしても同じ結果になる。
- B
報酬は、学習が終わってから決めればよい。
- C
設計者の意図とずれた報酬を与えると、エージェントが報酬だけを稼ぐ思わぬ抜け道の行動を学習してしまうことがある。
- D
報酬は、必ず毎回すべての行動に与えなければならない。
正解と解説を見る
正解：C
報酬の設計がずれていると、意図しない抜け道の行動を学習することがある。
- A
誤り。報酬の設計によって、学習される行動が大きく変わる。
- B
誤り。報酬は学習の前に設計する必要がある。
- C
正しい。報酬ハッキングなどと呼ばれる。報酬が「意図した行動」を正しく表しているかを確かめる必要がある。
- D
誤り。ゲームの勝敗のように、最後にだけ報酬が得られる（報酬がまばら）問題も多い。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。