学習へのアプローチ

学習の最終的な目標
与えられた環境で、最適な行動をするような内部状態を構築する
環境で最適 > 評価値が高い > サンプルで正解 > サンプルの特徴を利用 > 特徴量
「最適」にするには ?
己を知り、敵を知り、地の利を得れば.. (孫子)
己: 特徴量がどのような振舞いをするか
敵: 評価を高めるには、どのような行動をすべきか
地: 対象とする集団はどのような特徴量を持つか
教師なし : 特徴量が明確で振舞いも評価も判っている
集団の代表値だけ欲い
教師あり : 正解(確実に評価値を高める値) ラベルが与えられている
正解率を高めれば、評価値が上がる
強化学習 : 評価方法が与えられる(サンプリングは後)
評価が高い(学習度が進んでいる)程、難しい課題 (例:ゲームプレイ)
学習内容が制御できない ( cf. シンギュラリティ / 袋小路 )