どうやって学習するか？

• １) 実行すべき正しい行動を直接教えない → 教示との違い
• させたいタスクをエージェントに（ゴールとして）指示しておけば， ゴールへの到達方法は，エージェントの試行錯誤学習によって 自動的に獲得される

• ２) how ではなく，what でゴール(目標)を指示する．
• 設計者がエージェントに「何をすべきか」を指示

• ３） 試行錯誤のうち，ゴールを達成する行動を強化する．
• 「どのように実現するか」をエージェントが学習で自動的に獲得

前のｽﾗｲﾄﾞ

次のｽﾗｲﾄﾞ

最初のｽﾗｲﾄﾞに戻る

ｸﾞﾗﾌｨｯｸｽの表示