WEBVTT 00:00.830 --> 00:03.830 こんにちは､ 人工知能の講座にようこそ｡ 00:03.830 --> 00:08.120 ベルモント方程式について話し､ 私たちの小さな迷路を分析したわけです｡ 00:08.300 --> 00:10.760 それでは､ 企画をご覧ください｡ 00:10.880 --> 00:12.200 どのような計画ですか？ 00:12.500 --> 00:14.570 さて､ ここからは迷路の分析です｡ 00:14.570 --> 00:19.430 そして､ 実際に状態､ 各状態の値を見ることができることもわかっています｡ 00:19.430 --> 00:22.760 あらゆる状態にあることの価値を見出すことができるのです｡ 00:23.060 --> 00:27.530 それゆえ､ 「私」は､ あるいは「エージェント」は､ この迷路をナビゲートすることができるのです｡ 00:27.530 --> 00:28.730 では､ どのような計画なのでしょうか｡ 00:28.730 --> 00:33.830 まあ､ この計画は､ 簡単に言えば人工知能の宝の地図のようなものなんですけどね｡ 00:34.190 --> 00:43.340 これらの値を見る代わりに､ その値を知っているためにエージェントがどの方向に進むべきかを示す矢印に置き換えてみましょう｡ 00:43.340 --> 00:50.810 つまり､ 理想的なシナリオは､ この環境を探索した後､ それぞれの状態にあることの価値を知り､ その結果､ このマップを導き出すことができるのです｡ 00:50.810 --> 00:51.800 では､ 見てみましょう｡ 00:51.800 --> 00:54.260 ここでも､ 価値は1つであることがわかる｡ 00:54.260 --> 00:57.770 だから､ この2つのうちここにいるのなら､ より良いのはこっちの方だ｡ 00:57.770 --> 01:00.080 2つのうち､ ここから右に行くわけですね｡ 01:00.110 --> 01:00.890 こっちの方がいいんじゃない？ 01:00.890 --> 01:01.790 こっちの方がいいんじゃない？ 01:01.820 --> 01:02.690 こっちの方がいいんじゃない？ 01:02.690 --> 01:04.660 というか､ 実はここから先は2つの選択肢があるんですね｡ 01:04.670 --> 01:06.830 だから､ ここはネクタイみたいなものです｡ 01:06.860 --> 01:12.860 だから､ 適当に1つ選べばいいんです｡ どっちでもいいんですよ､ これの価値は同じですから｡ 01:12.860 --> 01:18.290 ましてや､ 目を通したとしても､ 同じだけの手順､ 同じ数のステップを踏んで､ 最後にたどり着きます｡ 01:18.500 --> 01:22.490 ここからは3つの選択肢がありますが､ ここからはこちらの方がお得です｡ 01:22.490 --> 01:24.170 ここからはこちらの方がお得です｡ 01:24.200 --> 01:28.880 明らかに､ こちらの方がお得です｡ なぜなら､ こちらはすぐにマイナス1の報酬が得られるからです｡ 01:29.480 --> 01:31.880 そしてここから先は､ 実際に3つほどあります｡ 01:31.880 --> 01:35.150 だから､ でも､ これはその中で一番いいもの､ 州のベストバリューなんです｡ 01:35.240 --> 01:41.000 ですから､ 矢印に置き換えると､ エージェントがここから出発した場合､ あるいは何らかの理由でこの広場に行き着いた場合､ 01:41.000 --> 01:46.990 ここから出る方法を知っているので､ 広場から出発することになる､ という理屈になります｡ 01:46.990 --> 01:48.890 ここから出る方法などを知っている｡ 01:48.890 --> 01:51.350 それがプランというものなんですね｡ 01:51.350 --> 01:56.300 また､ プランとポリシーを混同しないように｡ この先､ ポリシーの話も出てきますから｡ 01:56.300 --> 02:01.220 ポリシーはプランと非常によく似ていますが､ 環境が少し変わってくるので､ 02:01.220 --> 02:07.430 ちょっとしたトリックがあります｡ 02:07.760 --> 02:09.950 だから､ 早く次の作品でお会いしたいです｡ 02:09.950 --> 02:11.600 そしてそれまで､ お楽しみに｡ 02:11.600 --> 02:12.110 I.