DiscoRL

Google DeepMindの研究チームが開発した、AIが自ら「学習の仕方のルール」を生成・最適化するメタ学習アルゴリズム。人間が設計した従来のアルゴリズム（PPOやMuZeroなど）の性能を凌駕し、Atari 2600ベンチマークなどで最高スコアを記録した。進化論的なアプローチと勾配ベースのメタ最適化を組み合わせることで、人間の直感や数学的制約に縛られない、極めて効率的な学習原理を自律的に獲得している。