報酬仮説

報酬仮説は、強化学習の根幹をなす考え方であり、「知性、およびそれに付随する目標達成能力は、エージェントが受け取る数値信号（報酬）の累積和を最大化することとして理解できる」という主張である。この仮説に基づき、研究者は複雑な目標を適切な報酬関数に変換することで、AIに高度な行動を学習させる。しかし、あらゆる人間の目標を数値化できるかどうかについては、現在も研究者の間で議論が続いている。