探索・推論・知識表現を中心としたG検定対策問題。AI分野の基本的な問題解決手法と計算手法について学習します。
オンライン広告配信で10種類の広告から最適選択する強化学習システム。過去データから広告Aのクリック率が最高(15%)、新広告B〜Jは性能未知、1万人/日の配信機会がある。探索と活用のバランスで最も適切な戦略はどれか。
正解
ε-greedyなどを用い、大部分は現在の最良広告を活用しつつ、一部で未知広告を探索する。
正解になる理由
ε-greedyは強化学習の基本戦略で、既知の最良行動を活用しつつ新しい選択肢も探索します。本問のように最良広告が分かっている一方で未知広告もある場合、大部分を活用・一部を探索するバランスが適切です。具体的な割合は条件から一意に決まらないため、本質は「活用と探索の両立」にあります。
各誤答がなぜ誤りか