WEBVTT 00:00.950 --> 00:03.650 こんにちは､ 人工知能の講座にようこそ｡ 00:03.650 --> 00:07.640 そして今日は､ マルコフ決定過程（MDP）の話をします｡ 00:08.570 --> 00:10.880 それでは､ 本日の内容をご覧ください｡ 00:11.210 --> 00:13.970 さて､ 前回は地図の概念に止まりました｡ 00:13.970 --> 00:20.930 つまり､ ベルモント方程式に基づいて値を計算したからこそ､ この迷路のエージェントのマップを導き出すことができるのです｡ 00:20.930 --> 00:27.080 そして基本的には､ チェンジエージェントがどこからでも始められるということです｡ 00:27.260 --> 00:30.800 どのようなステップを踏めばゴールにたどり着けるのかが明確なのです｡ 00:30.800 --> 00:32.210 だから､ そのまま上がっていく｡ 00:32.210 --> 00:33.800 上､ 右､ 右 00:33.800 --> 00:34.750 そして完了｡ 00:34.760 --> 00:39.710 ここで疑問なのは､ それは本当に簡単なことなのか､ ということです｡ 00:39.710 --> 00:44.630 強化学習はそんなに､ あの､ 言葉は悪いですが､ つまらないものなのでしょうか？ 00:44.630 --> 00:47.390 それは､ 地図を手に入れたらそれで終わりです｡ 00:47.390 --> 00:49.280 あとは､ あなたがやるだけです｡ 00:49.640 --> 00:50.660 地図に従うだけでいいんです｡ 00:50.810 --> 00:55.400 まあ､ 実際はそんなに単純な話ではないのですが｡ 00:55.400 --> 01:02.360 そしてそれは､ 私たちにとってこのコースがより興味深いものになり､ 実際にもっと複雑な問題を解決できるようになるからです｡ 01:02.360 --> 01:05.390 そこで登場するのがマルコフ過程です｡ 01:05.390 --> 01:07.640 その前に､ 2つのことをお話しします｡ 01:07.640 --> 01:11.300 決定論的な検索と非決定論的な検索についてお話します｡ 01:11.390 --> 01:14.330 そこで､ 決定論的探索の概念についてお話ししましょう｡ 01:14.510 --> 01:16.430 これが､ 迷路の中のエージェントです｡ 01:16.430 --> 01:26.660 そして､ 決定論的探索とは､ エージェントが上がると決めたら､ 100%の確率で上がることが起こるということです｡ 01:26.780 --> 01:28.610 まさにその通りです｡ 01:28.610 --> 01:29.630 他に選択肢はない｡ 01:29.630 --> 01:33.590 一度､ 上に行くというか､ 上矢印をクリックすると､ 上に行くようになります｡ 01:33.590 --> 01:34.640 他に選択肢はない｡ 01:35.060 --> 01:41.450 一方､ 非決定論的探索とは､ エージェントが「上に行きたい」と言ったときのことです｡ 01:41.930 --> 01:44.210 実は2つほど選択肢があるのです｡ 01:44.210 --> 01:50.180 例えば､ 選択肢が3つある例を見てみますが､ 3つに限定する必要はありません｡ 01:50.180 --> 01:54.200 それは4つかもしれないし､ 問題によって違うかもしれません｡ 01:54.200 --> 02:00.530 ランダム性は違うかもしれませんが､ この場合､ 80％の確率で上に行くが､ 10％の確率で､ 02:00.530 --> 02:09.230 上に行きたいときに､ 環境がそうなっているからという理由で､ 実際には左に行くという3つの選択肢があり得ます｡ 02:09.230 --> 02:10.820 それが､ 彼の生きる世界です｡ 02:11.180 --> 02:14.690 そして､ さらに10％の確率で､ 彼は実際に右に行くだろう｡ 02:14.690 --> 02:17.090 そしてこの場合､ 焚き火台に落ちます｡ 02:17.660 --> 02:20.600 そういうことなんですね｡ 02:20.660 --> 02:24.830 これは非決定論的探索の一例で､ 確率的なプロセスです｡ 02:24.830 --> 02:36.290 そして､ このポイントは､ 現実の世界で実際に起こりうる問題に対して､ より現実的なモデルを作るということなのです｡ 02:36.290 --> 02:41.270 なぜなら､ 何かをしたらその通りになる､ というような状況はごく稀にしかないからです｡ 02:41.270 --> 02:46.430 また､ ゲームで考えても､ 例えばエージェントが『パックマン』で遊んでいたとします｡ 02:46.430 --> 02:48.410 まあ､ いつもというわけではありませんが｡ 02:48.410 --> 02:53.000 広場に立っている人が上に行くと､ 毎回まったく同じ結果になるかというと､ 02:53.000 --> 03:01.340 確かに上に行きますが､ 幽霊に食われない場合もあれば､ 幽霊に食われる場合もあるわけです｡ 03:01.340 --> 03:07.280 そのため､ ゴーストの動き方によってランダム性があり､ いつも同じように動くとは限りません｡ 03:07.280 --> 03:09.260 いつも同じ場所からスタートするわけではありません｡ 03:09.260 --> 03:11.060 だから､ とても論理的なんです｡ 03:11.060 --> 03:14.270 ランダム性があるのは非常にフェアだと思います｡ 03:14.270 --> 03:25.310 エージェントのコントロール下にないものがあり､ それをどう扱うか､ それがベルマン方程式や強化学習プロセス全体にどう影響するかを学ぶために､ 03:25.310 --> 03:28.070 これを表現する方法に過ぎません｡ 03:28.970 --> 03:35.510 しかし同時に､ ランダム性はもちろん､ 上に行けば右に行く確率が10％､ 左に行く確率が10％という限定的なものではありません｡ 03:35.510 --> 03:38.300 あるいは､ 下に行けば､ 10％の確率で右か左に行くんです｡ 03:38.300 --> 03:40.490 あるいは､ 右に行けば､ 10％の確率で上か下に行く｡ 03:40.500 --> 03:42.890 行き着く先は限定されない｡ 03:42.890 --> 03:44.420 ということもあるかもしれません｡ 03:44.420 --> 03:47.180 それこそ､ 確率が違う場合もあるかもしれません｡ 03:47.180 --> 03:51.050 時にはランダムが煮詰まることもあるかもしれません｡ 03:51.050 --> 03:55.610 パックマンの例のように､ 幽霊に食べられるか食べられないかで煮詰まってしまうかもしれません｡ 03:55.610 --> 03:58.760 あるいは､ もっと別のところに集約されるかもしれません｡ 03:58.760 --> 04:05.510 例えば､ エージェントがドゥームをプレイしているときに､ モンスターみたいなのが出てきて､ ある場合は彼を撃ってしまうとか､ 04:05.510 --> 04:08.900 別のゲームの場合とかね｡ 04:08.990 --> 04:14.840 撃たれる確率と撃たれない確率があるようなものですからね｡ 04:14.840 --> 04:19.460 つまり､ エージェントがコントロールできないもの､ 予測できないもの｡ 04:19.460 --> 04:22.790 それが､ ここでの非決定論的探索のモデルなのです｡ 04:22.790 --> 04:32.720 そして､ ここでマルコフ過程と､ あるいはマーク付きマルコフ決定過程という､ 2つの新しい概念に直接アプローチしたのです｡ 04:32.720 --> 04:38.600 私は定義やたくさんの文章をスライドに載せるのが好きではありませんが､ 04:38.600 --> 04:42.230 今回は必要なので見てみましょう｡ 04:42.230 --> 04:43.250 では､ 見てみましょう｡ 04:43.280 --> 04:46.160 確率過程には特性のマークがあります｡ 04:46.160 --> 04:51.710 過去と現在の両方の状態を条件とするプロセスの将来の状態の条件付き確率分布が､ 04:51.710 --> 04:58.040 現在の状態のみに依存し､ それ以前の一連のイベントには依存しない場合｡ 04:58.070 --> 05:00.320 この性質を持つプロセスをマークアッププロセスと呼ぶ｡ 05:00.820 --> 05:07.840 非常に複雑な定義で､ ちょっとでも矛盾していないような､ 矛盾しているような感じがします｡ 05:07.840 --> 05:11.950 つまり､ ここでは､ 私の過去と現在の状態の両方が条件となるが､ 同時に現在の状態だけが条件となる､ 05:11.950 --> 05:14.250 と書かれているのです｡ 05:14.260 --> 05:17.530 だから､ あまりそれにとらわれないでください｡ 05:17.590 --> 05:19.270 わかりやすく分解してみる｡ 05:19.270 --> 05:22.930 つまり､ 財産の目印は､ 自分の将来の状態がどうなっているかということです｡ 05:22.930 --> 05:26.920 だから､ 自分の選択だけでなく､ 全体として､ 自分の選択と環境｡ 05:27.130 --> 05:33.850 それは､ その環境の中であなたが取る行動の結果が､ あなたが今いる場所に依存するだけであるようになります｡ 05:33.850 --> 05:35.650 それは､ どうやってそこにたどり着いたかによるものではないでしょう｡ 05:35.860 --> 05:36.460 そして､ それだけです｡ 05:36.460 --> 05:40.510 それが財産の市場であり､ このような性質を持つプロセスを市場プロセスと呼ぶわけです｡ 05:40.600 --> 05:47.950 だから､ 例えるなら､ あなたのエージェントがここにいて､ もし彼が行くとしたら､ 彼が上に行くと決めたら､ 行くかもしれないわけです｡ 05:47.950 --> 05:52.810 今回の非決定論的探索の例では､ 実際に左右に動くかもしれません｡ 05:52.810 --> 05:53.560 わかりました｡ 05:53.560 --> 05:57.490 それは､ 私たちの環境の中に､ その確率論があるからです｡ 05:57.490 --> 05:59.560 私たちの環境の中にも､ そのランダム性があります｡ 05:59.560 --> 06:01.630 だから､ この3つのうち､ どれかが起こるかもしれない｡ 06:01.630 --> 06:07.030 しかし､ ここで重要なのは､ 彼がどうやってここに来たかは気にしないので､ これはプロセスのマークであるということです｡ 06:07.030 --> 06:10.060 彼は､ 上から来てここに行き着いたかもしれないし､ 左から来たかもしれない｡ 06:10.060 --> 06:12.190 そして､ ここまで来ると､ 底辺からやってきて､ ここにたどり着いたのかもしれません｡ 06:12.190 --> 06:16.420 彼はこの辺りを10万回くらい移動して､ ここにたどり着いたのかもしれませんね｡ 06:16.420 --> 06:18.670 以前のことは関係ない｡ 06:18.670 --> 06:22.120 重要なのは､ 彼が今どの状態にあるかということだけだ｡ 06:22.210 --> 06:31.960 だから､ 右にも左にも上にも行く確率は､ 今の状態なら常に同じなのです｡ 06:32.530 --> 06:37.480 つまり､ 私たちが今ここにいるのは､ その前に何があったかは関係ない､ ということです｡ 06:37.570 --> 06:39.040 こんな状態なんですね｡ 06:39.040 --> 06:42.250 忘れてはならないのは､ その状態とは､ 彼が立っている場所だけを意味するのではないということです｡ 06:42.250 --> 06:46.570 状態とは､ 環境におけるエージェントの全体の状態のことである｡ 06:46.570 --> 06:49.900 では､ 右側にモンスターがいるようなものなのか､ 左側にモンスターがいるようなものなのか｡ 06:49.900 --> 06:52.660 それとも､ ゴーストは下から上に向かって出ているのでしょうか？ 06:52.660 --> 06:55.480 あなたが今どんな状態であろうと､ そこに至るまでの経緯は関係ないのです｡ 06:55.480 --> 06:58.720 その状態でそこにいるのは､ どういう経緯でそうなったかは関係ない｡ 06:58.720 --> 07:03.730 さて､ 未来に何が起こるかは､ 今の状態と､ その時に取る行動､ それにもちろん､ 07:03.730 --> 07:07.030 その上に重なるランダム性によってのみ決定される｡ 07:07.210 --> 07:23.290 つまり､ これはプロセスのマークであり､ 決定プロセスのマーク､ あるいはMDP､ マルコフ決定過程は､ 結果が部分的にランダムで部分的に意思決定者のコントロール下にある状況での意思決定をモデル化するための数学的枠組みを提供するものです｡ 07:23.290 --> 07:34.210 マルコフ決定過程は､ マルコフ過程とは異なる概念であり､ 数学的な枠組みのようなものだと理解してください｡ 07:34.210 --> 07:38.770 だから､ でも同時に､ マルコフ過程がどういうものかを理解することは､ 07:38.770 --> 07:43.060 やはり意思決定過程のマークの理解に役立つと思ったのです｡ 07:43.060 --> 07:52.060 つまり､ 意思決定プロセスとは､ まさにこれまで議論してきたような､ エージェントがコントロールできる環境に身を置くことなのです｡ 07:52.060 --> 07:57.400 例えば､ 以前は何が起こっているのかを完全に制御していたのに､ 今は少し制御が効かなくなっていることを思い出してください｡ 07:57.400 --> 08:00.160 上がると決めることはできても､ 実はわかっている｡ 08:00.160 --> 08:03.490 なるほど､ 上がれば80％の確率で上がるんですね｡ 08:03.490 --> 08:05.950 左の確率が10％､ 右に行く確率が10％｡ 08:05.950 --> 08:08.860 ですから､ すべてが完全にコントロール下にあるわけではありません｡ 08:08.860 --> 08:10.660 この環境には､ ランダム性があります｡ 08:10.660 --> 08:12.970 それこそが､ 意思決定プロセスのマークなのです｡ 08:12.970 --> 08:19.330 マルコフ決定過程は､ エージェントがこの環境で何をすべきかを理解するために使用するフレームワークである｡ 08:19.330 --> 08:23.740 つまり､ 確率的な､ ランダムな環境があり､ エージェントは､ 例えば､ 08:23.740 --> 08:28.480 上か下か､ 左か右か､ といった選択をしなければならないのです｡ 08:28.480 --> 08:29.680 どうしたらいいのかわからない｡ 08:29.830 --> 08:36.130 そして､ その決定をするために､ マルコフ決定過程のフレームワークを適用して､ 08:36.130 --> 08:40.690 何が起こるのか､ どこに行くのかを決定します｡ 08:40.810 --> 08:47.530 そして､ 基本的にこの問題を引き起こす環境は､ 意思決定プロセスのマークと呼ばれています｡ 08:47.530 --> 08:49.900 つまり､ エージェントが使っているフレームワークですね｡ 08:49.900 --> 08:55.450 同時に､ エージェントはマルコフ決定過程の環境下で動作していることが参照される｡ 08:56.110 --> 08:57.910 このように､ 基本的に2つのコンセプトがあります｡ 08:57.910 --> 09:06.820 マルコフプロセスは､ この環境の設計の仕方で､ 今いる場所から何が起こるかを過去に依存しないようにします｡ 09:06.820 --> 09:13.510 そして同時に､ この環境を解決するためにエージェントが使用するフレームワークである「意思決定プロセス」のマークが表示されます｡ 09:13.720 --> 09:18.760 そして良いニュースは､ 私たちが話している決定プロセスのマークやフレームワークは､ 実はベルマン方程式に追加しただけのもので､ 09:18.760 --> 09:24.670 ベルマン方程式をもう少し洗練させたものだということです｡ 09:24.670 --> 09:26.500 では､ その様子をご覧いただきましょう｡ 09:26.890 --> 09:28.180 これが我々のベルマン方程式である｡ 09:28.180 --> 09:30.970 ここまでは､ あらゆる可能性を秘めた最大限の行動です｡ 09:30.970 --> 09:35.620 つまり､ ある状態にあることの価値は､ その状態から取り得るすべてのアクションの最大値ということになります｡ 09:36.100 --> 09:45.160 その状態でその行動をとることで得られる報酬から最大値をとり､ それに割引率×次の状態の値である素数を加えたものである｡ 09:45.160 --> 09:50.380 今までは､ 全体の流れにランダム性があったので､ そうなっていたんですね｡ 09:50.380 --> 09:56.050 この､ どの状態が終わるのか､ プライムがどうなるのか､ 実はわからないからこそ､ この部分は変わってくる｡ 09:56.050 --> 09:59.170 上がるなら上がる､ 残るなら残るとなるのでしょうか｡ 09:59.170 --> 09:59.770 果たして､ 私たちは正しいのだろうか？ 09:59.830 --> 10:04.660 ですから､ 実際にはこれを次の状態の期待値で配置する必要があります｡ 10:04.660 --> 10:06.340 そこで､ ここではこれを置き換えることにします｡ 10:06.340 --> 10:08.350 つまり､ 3つの状態が考えられるということです｡ 10:08.530 --> 10:12.340 そして､ それを何らかの価値に置き換えるわけです｡ 10:12.670 --> 10:22.180 その状態は1素数として､ その状態は2素数として､ この状態はS3素数のVという値を持っています｡ 10:22.420 --> 10:28.690 つまり､ その状態になる確率と､ この状態になる確率10％､ さらにその状態になるための法案あたりを足したものですから､ 10:28.690 --> 10:35.260 実際に入るつもりの状態を80％掛け算することになります｡ 10:35.260 --> 10:37.960 つまり､ これはあくまで私たちの期待値なのです｡ 10:37.960 --> 10:45.220 だから､ 統計学から､ その状態になる期待値をとれば､ 入るということです｡ 10:45.790 --> 10:51.370 つまり､ 平均的なものは何なのか､ それをこちらに置き換えるという感じです｡ 10:51.790 --> 10:52.870 すると､ このような式が得られます｡ 10:52.870 --> 10:55.570 この方程式が大きくなっただけで､ とても速くジャンプするようになりました｡ 10:55.570 --> 10:57.850 でも､ よく見ると､ まったく同じことなんです｡ 10:57.850 --> 11:06.220 ここにマックがあり､ ここに良いマックがあり､ それからSのRとAがあり､ SEのRがあり､ ここにガンマがあるわけです｡ 11:06.220 --> 11:08.530 そして､ 最後にここにVがある｡ 11:08.530 --> 11:11.590 つまり､ 決定論的な探索であることを正確に知っていたわけです｡ 11:11.590 --> 11:13.360 どの状態になるのか､ わかっていたんですね｡ 11:13.390 --> 11:15.010 今はどの州に入るかわからない｡ 11:15.010 --> 11:20.530 つまり､ Vを取るのではなく､ 自分が入る状態の期待値､ あるいは将来の状態の期待値､ 11:20.530 --> 11:25.790 もっと簡単に言えば､ 自分が入る状態の平均値を取っているに過ぎないのです｡ 11:25.810 --> 11:32.830 ということは､ 33％の確率で､ これとこれとこれを足して3で割ったような形になるわけです｡ 11:32.830 --> 11:37.060 しかし､ この場合､ It's not exactly like average average. 11:37.060 --> 11:40.120 これは確率の加重平均です｡ 11:40.120 --> 11:46.000 つまり､ この状態にあるときに､ この状態になる行動をとる確率を､ 素数×素数の値として､ 11:46.000 --> 11:51.760 こっちで入る可能性のあるすべての素数で合計したものがありますね｡ 11:51.760 --> 11:53.590 つまり､ まさにここに3つあったということです｡ 11:53.590 --> 11:54.640 1､ 2､ 3 11:54.640 --> 11:56.470 確率で掛け合わせたものを足す｡ 11:56.470 --> 11:57.130 足し算してください｡ 11:57.130 --> 11:57.790 こちらも同じです｡ 11:57.790 --> 11:58.750 1､ 2､ 3 11:58.750 --> 12:01.480 確率で掛け合わせ､ 足し算をする｡ 12:01.840 --> 12:04.930 そして､ これが新しいベルモントの方程式です｡ 12:05.020 --> 12:06.220 おめでとうございます｡ 12:06.220 --> 12:13.510 これが今後の課題であり､ マルコフ意思決定プロセスで使われるフレームワークです｡ 12:13.510 --> 12:20.710 このように､ 自分ではコントロールできないランダムな事象が発生する確率的､ 非決定論的探索問題を解決するために､ 12:20.710 --> 12:25.300 エージェントが使用するフレームワークがあるのです｡ 12:25.300 --> 12:26.830 だから､ もっと複雑なんです｡ 12:26.830 --> 12:32.680 しかし､ ご覧のように､ 今までに少しずつ積み上げてきたため､ 私たちはすでにこのことを知り､ このことについて読み､ 12:32.680 --> 12:36.670 このことについて知り､ このことについて知っているのです｡ 12:36.670 --> 12:45.520 つまり､ 行動やその結果には確率が伴うので､ この部分を紹介しただけなのです｡ 12:46.030 --> 12:48.550 そして決定論的には､ ある確率に基づくものである｡ 12:49.060 --> 12:50.470 そして､ こうなりました｡ 12:50.470 --> 12:57.820 それが市場の意思決定プロセスの仕組みであり､ その背後にある方程式なのです｡ 12:58.240 --> 13:04.600 もう一度言いますが､ すべてが一筋縄ではいかないからこそ､ より現実の問題､ 現実のシナリオ､ 13:04.600 --> 13:08.650 あるいはゲームのシナリオに近いものがあるのです｡ 13:08.650 --> 13:15.670 すべての関係者のランダム性があり､ 常にある状態でアクションを起こすとは限りません｡ 13:15.670 --> 13:16.360 常にそうでないだろう｡ 13:16.360 --> 13:18.610 まあ､ いつも同じ結果になるとは限りませんが｡ 13:18.610 --> 13:24.100 そして､ これが今後の課題であり､ 事態をより面白くすることになるのです｡ 13:24.100 --> 13:29.170 だから､ それを楽しみにしていてほしいし､ 次に何が来るか楽しみにしていてほしい｡ 13:29.410 --> 13:35.800 そんな中､ 今回はとてもかっこいい紙を見つけたので､ ぜひ見てみてください｡ 13:35.800 --> 13:39.820 非常に応用的な論文なので､ 実はこれ､ 読み進めるとすごく面白いんです｡ 13:40.000 --> 13:46.000 A Survey of Applications of Markov Decision Processes Processesというタイトルで､ 13:46.000 --> 13:47.890 1993年にホワイトが書いたものです｡ 13:47.890 --> 13:56.950 リンク先には､ マルコフ決定プロセスが実際のシナリオのモデルとして使われている例が紹介されています｡ 13:56.950 --> 13:59.470 これには､ とても興奮したと思います｡ 13:59.470 --> 14:00.940 いくつかの例に感銘を受けました｡ 14:00.940 --> 14:03.430 例えば､ 人口収穫ですね｡ 14:03.610 --> 14:09.220 では､ 魚がある程度いて､ その魚の個体数がどうなっているかというと､ 今年は何匹を釣り上げることができるのか､ 14:09.220 --> 14:13.210 何をするのかを決める必要があるのです｡ 14:13.210 --> 14:14.260 それが今の状態なんですね｡ 14:14.260 --> 14:15.550 それが､ あなたの行動です｡ 14:15.550 --> 14:19.930 今年は何本撮影できたので､ その結果､ 何が考えられるか？ 14:20.470 --> 14:22.000 来年は何匹になるんだろう？ 14:22.000 --> 14:24.850 再来年､ 再々々年と､ 何匹になるのだろう？ 14:24.850 --> 14:30.490 しかも､ 抜いて90%になったら翌年には100%に戻るというようなことはないので､ 14:30.490 --> 14:32.800 決定論的ではありません｡ 14:32.800 --> 14:34.570 正確には決定論的ではないのです｡ 14:34.570 --> 14:37.600 私たちがコントロールできない､ ある種のランダムな要因が関係しています｡ 14:37.600 --> 14:41.230 それゆえ､ 何が起こるのかを理解しなければなりません｡ 14:41.230 --> 14:42.580 何が起こるかをモデル化する必要があるのです｡ 14:42.580 --> 14:44.490 そこで使われるのがマルコフ決定過程です｡ 14:44.800 --> 14:48.160 農業も同じで､ 作物を収穫するような例もありますね｡ 14:48.160 --> 14:49.330 どれくらいの作物を収穫するのか？ 14:49.330 --> 14:49.900 いくらですか？ 14:49.900 --> 14:51.220 どれだけ収穫がないのか？ 14:51.220 --> 14:59.710 もう1つは､ 保険会社が資金をどの程度投資するかを決めるような金融・投資を見ていました｡ 14:59.770 --> 15:02.860 与えられた､ 1日とか1年とか､ ある程度の期間があると思うんです｡ 15:02.860 --> 15:06.400 そして､ どうしようもない要因もあります｡ 15:06.400 --> 15:09.130 例えば､ 市場の動き､ それは何が起こるかわからない｡ 15:09.130 --> 15:14.080 そのため､ 実際に何らかの方法でそれをモデル化する必要があり､ そのために市場の意思決定プロセスが利用されるのです｡ 15:14.080 --> 15:20.260 このように､ たくさんの事例が紹介されていますが､ これは､ それぞれの事例が与えられた数だと思います｡ 15:20.380 --> 15:29.500 そして､ スポーツでも､ スポーツと疫病､ 自動車保険の請求､ 点検や整備､ 修理などで2つの例があります｡ 15:29.500 --> 15:30.940 とても興味深いです｡ 15:30.970 --> 15:31.810 見てみてください｡ 15:31.810 --> 15:40.960 ただ､ これは作り話でも､ 仮説でも､ マトリックスのようなものでもない､ ということを理解していただきたいのです｡ 15:40.960 --> 15:42.520 これは､ 実は現実の世界での話です｡ 15:42.520 --> 15:44.710 だから､ より理解が深まるのです｡ 15:44.710 --> 15:49.240 そして､ これはこの講座のプロモーションビデオで話していたことですが､ あるいは講座の説明で､ 15:49.240 --> 15:55.810 あなたとあなたの直感を刺激して､ 実生活でAIをどのように使うかのアイデアを提供します｡ 15:55.810 --> 15:57.490 これはチャンスです｡ 15:57.760 --> 16:02.680 この論文を見て､ そうか､ これからはマルコフ決定過程を扱うんだな､ と理解してください｡ 16:02.680 --> 16:03.790 本当にかっこいいですね｡ 16:03.790 --> 16:05.170 実際のところはどうなんでしょうか？ 16:05.170 --> 16:11.110 そして､ このことがきっかけとなり､ 将来的にAIを活用して世界をより良くするためのアイデアを得ることができるかもしれません｡ 16:11.500 --> 16:13.600 そうなれば､ 私たちは超嬉しいです｡ 16:13.600 --> 16:18.640 この講座で学んだことを活かして､ AIで世の中をより良くしていってくれたら､ 超嬉しいです｡ 16:18.670 --> 16:19.870 それはどんなに素晴らしいことでしょう？ 16:20.170 --> 16:23.050 さて､ 今日のチュートリアルを楽しんでいただけたでしょうか？ 16:23.050 --> 16:24.460 次回お会いできるのを楽しみにしています｡ 16:24.460 --> 16:26.470 そしてそれまで､ iを楽しんでください｡