強化学習

強化学習では、AIが置かれた状況の中で行動を選び、その結果につけられた点数（報酬）が大きくなるように、行動の選び方を少しずつ改めていきます。正解をつけたデータで学ぶ教師あり学習と異なり、試行錯誤から学ぶのが特徴です。囲碁や将棋のAI、ロボットの制御などで知られています。

生成AIの分野では、人の評価をもとにした強化学習が、LLMの答えを人の意図に沿ったものにする調整に使われています。業務では、在庫の補充や設備の制御、配車のように、判断を何度もくり返し、その結果が後に影響する問題で研究や活用が進められています。

現実の業務で試行錯誤させると損失が出るおそれがあるため、多くはシミュレーションの中で学ばせます。報酬の決め方を誤ると、AIが意図しない近道を覚えることがあります。業務で使うときは、何を報酬とするかと、シミュレーションが現実に合っているかを確かめます。