問題 No.1436
強化学習において、エージェントが「環境から得られる将来の報酬の総和を最大化する」ために、現在の方策のまま行動するか、新しい行動を試すかを選択するジレンマを何と呼ぶか。
【正解の解説】
探索と活用のジレンマ
探索と活用のジレンマは、強化学習において、すでに知っている方法で着実に報酬を得るべきか（活用）、新しい方法を試してさらなる高報酬を探すべきか（探索）という悩みです。
スポンサーリンク
【その他の選択肢の解説】
勾配消失問題
勾配消失問題は、ニューラルネットワークの学習中に、層が深くなるにつれて情報の伝達が弱まってしまう現象のことです。
ハルシネーション
ハルシネーションは、AIが事実に基づかない情報をあたかも正しいかのように回答してしまう現象のことです。
バイアスとバリアンスのトレードオフ
バイアスとバリアンスのトレードオフは、モデルの柔軟性とデータの変動への対応力のバランスに関する統計的な問題のことです。