強化学習

強化学習とは、機械学習のアルゴリズムの一つです。

教師あり学習、教師なし学習のような固定的で明確なデータを元にした学習ではなく、プログラム自体が与えられた環境（＝現在の状態）を観測し、連続した一連の行動の結果、価値が最大化する（＝報酬が最も多く得られる）行動を自ら学習し、選択していくだけでなく、行動についての評価も自ら更新していきます。

報酬は、例えばブロック崩しのゲームにおいて、ブロックをより多く倒せる位置にボールを飛ばせたら＋５、ボールを落としたら－５、のように設定します。