逆強化学習
熟練者の行動のデータから、その熟練者が最大にしようとしている報酬の関数を推定する手法として、最も適切なものを1つ選べ。
- A
転移学習
- B
逆強化学習
- C
半教師あり学習
- D
次元削減
正解と解説を見る
正解：B
逆強化学習は、熟練者の行動から報酬関数を推定する。報酬の設計が難しい自動運転やロボットの制御で期待される。
| 用語 | 内容 |
|---|---|
| 報酬の設計 | 報酬が意図とずれると、報酬ハッキングのように望まない行動を学ぶ |
| 逆強化学習 | 専門家の行動から、その背後にある報酬関数を推定する |
- A
誤り。学習済みの知識を別のタスクに活用する手法。
- B
正しい。報酬の設計が難しい場面で、熟練者の振る舞いから報酬を得る。
- C
誤り。ラベル付きとラベルなしのデータを併用する学習。
- D
誤り。特徴量の数を減らす処理。
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。