強化学習の最近の発展 第12回：対話処理における強化学習

摘要

これまでの対話システムは，切符を買うことや何かを検索することを目的とする，いわゆるタスク指向型のシステムが多かった．筆者たちは，聞き役のようなあらかじめタスクを想定しない対話システムの作成に取り組んでいる．5章では，POMDPによりこのような対話タスクをモデル化し，強化学習により方策を求める手法にらいて述べる．タスクを想定しない，すなわち，非タスク指向型対話システムに対する強化学習手法は，いまだ確立されたとは言い難いが，筆者たちの取り組みが同じようなことを考えている読者の参考になればと思いあえて紹介することにする．