問題 No.39
強化学習（Q学習）において、環境から得られる状態（入力情報）のパターンが膨大、あるいは連続値である場合（例：ゲーム画面の映像そのもの）、従来のQテーブルのようにすべての状態と行動の組み合わせを表に記録して学習を進める手法では、メモリと計算量が爆発して実用的に破綻する。この課題を解決するため、状態価値の近似にディープラーニング（CNN）を組み込み、ゲーム画面のピクセル入力のみから最適な操作を自律学習できるようにした手法はどれか。
【正解の解説】
DQN
DQNは、Q学習にディープラーニング(CNN)を組み合わせることで、画像データのような膨大な状態から最適な行動を判断できるようになった手法です。
スポンサーリンク
【その他の選択肢の解説】
AlphaGo
AlphaGoは、囲碁を打つためのシステムであり、手法の名称ではありません。内部でDQNの考え方などを活用しています。
Actor-Critic
Actor-Criticは、行動を決めるネットワークと価値を評価するネットワークを組み合わせた強化学習手法です。
ε-greedy方策
ε-greedy方策は、探索と利用のバランスを調整するための手法です。学習そのものの手法ではありません。