模倣学習imitation learning

模倣学習は、報酬を明示的に定める代わりに、専門家が示した状態と行動の記録から振る舞い方を学ぶ機械学習の手法である。実演データを教師あり学習でそのまままねるビヘイビアクローニングが最も単純な形であり、実演から報酬関数を逆に推定する逆強化学習もこの分野に含まれる。

ロボット操作や自動運転のように、望ましい行動を報酬として定めにくい分野で使われる。次のトークンを予測する言語モデルの事前学習を、人間の文章に対する模倣学習とみなす見方もある。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。