半導体リングレーザーの高速ランダムスイッチングダイナミクスを用いた意思決定の検討

摘要

人工知能における強化学習（意思決定）は，動的に変化する環境下で，得られる報酬が最大となる選択肢を素早くかつ正確に判断することであり，報酬確率が未知である複数台のスロットマシンからの報酬を最大化する問題（多本腕バンディット問題）として定式化されている．報酬確率の高いマシンを知るためには探索が必要であるが，過度に探索すると最適な選択肢の判断が遅くなる．一方，探索が不足すると報酬確率の高いマシンを正確に推定することが困難になる．すなわち，素早さと正確さにトレードオフという関係が存在する．