---
title: "深層強化学習エージェント・Artificial systems・エンティティ・シミュレーション仮説"
url: https://simulation-hypothesis.com/ja/entities/ai-drl
description: "試行錯誤によって報酬信号を最大化するよう訓練されたニューラルネットワーク。環境、多くはゲームのようなシミュレートされた環境とやり取りしながら、方策や価値関数を学習します。"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl、シミュレーション仮説（simulation-hypothesis.com）"
---

[エンティティ](https://simulation-hypothesis.com/ja/entities) › 人工システム

# 深層強化学習エージェント

試行錯誤によって報酬信号を最大化するよう訓練されたニューラルネットワーク。環境、多くはゲームのようなシミュレートされた環境とやり取りしながら、方策や価値関数を学習します。

試行錯誤によって報酬信号を最大化するよう訓練されたニューラルネットワーク。環境、多くはゲームのようなシミュレートされた環境とやり取りしながら、方策や価値関数を学習します。狭い課題では人間を超える技能に達しますが、単一の報酬目標に最適化されています。

## 出典

* Mnih V, Kavukcuoglu K, Silver D, Rusu AA, et al. (2015) Human-level control through deep reinforcement learning. Nature 518(7540):529-533\. doi:10.1038/nature14236.
* Silver D et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature 529:484-489\. doi:10.1038/nature16961.

公表されている基準に照らして評価する