バンディット問題
探索と活用のトレードオフの関係。プレイヤーがどの教育コンテンツ（本、公式のチュートリアル、MOOCなど）を選び、報酬を得るかというバンディット問題。過去に試してみたものの報酬という限定的な情報しか得られないという設定での最適な意思決定とは。