データサイエンティスト検定 リテラシーレベル データサイエンス(機械学習・AI・非構造化データ) 練習問題 第28問: オフィスの空調の設定温度を、強化学習で動くAIに任せる。AIは一定の時間ごとに建物の様子を読み取って操作を1つ選び、その結果をもとに選び方を直していく。この仕組
データサイエンス(機械学習・AI・非構造化データ)
– / 63 解いた
第28問
オフィスの空調の設定温度を、強化学習で動くAIに任せる。AIは一定の時間ごとに建物の様子を読み取って操作を1つ選び、その結果をもとに選び方を直していく。この仕組みで「報酬」にあたるものとして、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 1. 操作をした後の室温が快適な範囲に近いほど高く、使った電力量が多いほど低くなるように計算する点数
報酬は、操作の結果を快適さと電力量で評価した点数です。強化学習では、AIが今の状況(状態)を読み取って行動を選び、その結果への評価(報酬)を受け取り、報酬が長い目で見て大きくなるように行動の選び方(方策)を直していきます。
九州大学 数理・データサイエンス教育研究センター「データサイエンス概論 15 人工知能入門(生成AIを含む)」(CC BY)も、最善と思われる行動をし、その良し悪しの評価に基づいて知識を修正する試行錯誤の繰り返しとして強化学習を説明しています。読み取る室温・外気温・電力量の値は、行動を選ぶ材料になる状態です。
上げる・下げる・据え置くから実際に行う1つは行動です。読み取った値ごとにどの操作を選ぶかを決めた規則は方策で、報酬を手がかりに直されていく側です。
報酬は行動の結果の良し悪しを表す数値で、AIはこれが大きくなる方策を学びます。
関連キーワード: 強化学習・状態・行動・報酬・方策
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間
広告