記号・表現・計算
強化学習（TD学習・Q学習）
報酬をもとに試行錯誤で行動を学ぶ。囲碁AIの自己対局や、生成AIを人の好みに合わせる調整に使われる。
- 年
- 1988年
- 人物・組織
- リチャード・サットン／クリス・ワトキンス
- 場所
- マサチューセッツ・ケンブリッジ
- 地域
- 北アメリカ
- 分野
- 記号・表現・計算 ／ 人工知能
- 時代
- 20世紀
直接のつながり
技術的な土台 きっかけ・需要
強化学習（TD学習・Q学習）1988年
これを土台に生まれたもの
ルーツをたどる
「技術的な土台」の線だけを古い方へたどったとき、最も長くつながる系譜です。打製石器（オルドワン石器）から17段で強化学習（TD学習・Q学習）に至ります。
- 約260万年前打製石器（オルドワン石器）
- 約170万年前握斧（ハンドアックス）
- 約30万年前ルヴァロワ技法
- 約5万年前石刃技法
- 約2万年前細石器
- 約1万2千年前鎌
- 前9500年頃農耕（小麦・大麦の栽培）
- 前5000年頃灌漑農業
- 前2000年頃測量幾何学
- 前580年頃演繹的証明の始まり
- 前500年頃ピタゴラスの定理
- 前450年頃無理数の発見
- 前370年頃取り尽くし法
- 前300年頃『原論』（公理的幾何学）
- 820年頃代数学
- 1654年確率論
- 1906年マルコフ連鎖
- 1988年強化学習（TD学習・Q学習）
「強化学習」をもっと知る本PR
書店のサイトで「強化学習」の本を検索します。リンクから購入があると、このサイトに紹介料が入ります。
すべてのつながり
技術的な土台2件
これがなければ成り立たなかった技術・知識。
きっかけ・需要1件
直接の部品ではないが、生まれる動機や手本になったもの。
これを土台にしたもの2件
この発明・発見を技術的な前提としているもの。
年代・人物・つながりの誤りに気づいたら この項目の誤りを報告する（1分ほど。項目名は自動で入ります）