用語比較
強化学習と教師あり学習の違い
教師あり学習は、入力と正解の組を教師から与えられ、正解に近い出力を返すように学びます。強化学習は、正解を教えられず、行動して得た報酬を最大化するように、どの状況でどう行動するかを学びます。
G検定の「機械学習の種類」には、教師あり学習、教師なし学習、強化学習が並びます。正解が与えられるのが教師あり学習、報酬を手がかりに試行錯誤するのが強化学習と分けると、説明文の語で判定できます。
このページでは、学習に与えられるもの、探索と活用、報酬が遅れて返ること、という三つの軸で比較します。教師なし学習との切り分けや、Q学習・方策勾配法との関係も、試験で使える形に整理します。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
結論
強化学習
数値的な報酬を最大化するように、状況を行動へ対応づける方法を学ぶ。どの行動が良いかは教えられず、試して発見する。試行錯誤と遅延報酬が特徴。
教師あり学習
知識のある外部の教師が与える例（入力と正解）から学ぶ。与えられた正解に近い出力を返せるようにする。
違いを表で確認
| 比較軸 | 強化学習 | 教師あり学習 |
|---|---|---|
| 学習に与えられるもの | 状況に対する行動の結果としての報酬（正しい行動は教えられない） | 入力と、その正解の組（教師が示す例） |
| 学習の目的 | 報酬を最大化する行動の選び方を得る | 正解に近い出力を返す対応を得る |
| データの得方 | エージェントが環境と相互作用して、自分の経験として得る | あらかじめ用意された正解付きの例を使う |
| 行動の影響 | 行動は目先の報酬だけでなく、次の状況と以後の報酬にも影響する（遅延報酬） | 1件ごとの予測が、次の入力に影響することは通常ない |
| 特有の課題 | 探索（未試行の行動を試す）と活用（有効な行動を選ぶ）のトレードオフ | 通常の定義では、探索と活用の問題は生じない |
| 選択肢で探すキーワード | 報酬、エージェント、環境、方策、試行錯誤 | 正解ラベル、教師データ、分類、回帰 |
G検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
「ラベルがあるかどうか」だけで機械学習の種類を分けている人
ラベルの有無で分けると、教師なし学習は見分けられても、強化学習の位置づけが曖昧になります。強化学習は、ラベルではなく報酬を手がかりにする学習です。まず「正解が与えられるか、報酬だけか」で分けると、教師あり学習との境界がはっきりします。
ゲームAIやロボット制御の例が出ると迷う人
行動を重ねて最終的な勝敗や到達度で評価される問題は、強化学習の典型です。一方、過去の棋譜から次の一手の正解を学ぶ場合は、正解付きの例を使うので教師あり学習の側面があります。設問で「報酬」「試行錯誤」「環境との相互作用」が書かれているかを確かめます。
Q学習や方策勾配法の名前を先に覚えた人
Q学習も方策勾配法も、強化学習の中の手法です。教師あり学習の手法ではありません。手法名から入ると上位の分類が抜けやすいので、「Q学習は強化学習の一手法」と、一段上の分類まで一緒に答えられるようにします。
具体例で使い分ける
例 1
説明文に『行動の結果として得られる報酬を最大化するように学習する』とある場合
エージェントが環境の中で行動し、得られた報酬から行動の選び方を学ぶ手法の分類を問われています。
- 強化学習は、数値的な報酬信号を最大化するように、状況を行動へ対応づける方法を学ぶと定義されます。
- 学習者は、どの行動を取るべきかを教えられず、試して報酬の多い行動を発見します。
- 正解ラベルの語は出てこないので、教師あり学習ではありません。
結論: 報酬の最大化と試行錯誤の語が出たら、強化学習を選びます。
例 2
説明文に『入力と正解の組を使って、正解に近い出力を返すように学習する』とある場合
画像とそのカテゴリのラベルの組から、新しい画像のカテゴリを予測する学習の分類を問われています。
- 教師あり学習は、知識のある外部の教師が与える例から学ぶ学習です。
- ここで与えられているのは、正解ラベル付きの例で、報酬ではありません。
- 環境との相互作用や、行動の連続による影響の話も出ていません。
結論: 正解ラベル付きデータという語が出たら、教師あり学習を選びます。
例 3
説明文に『これまで有効だった行動を選ぶか、未試行の行動を試すか』とある場合
新しい行動を試すことと、既に良いと分かった行動を選ぶことの均衡が問われています。
- これは探索と活用のトレードオフと呼ばれ、強化学習に特有の課題です。
- 多くの報酬を得るには有効だった行動を選びたい一方、良い行動を見つけるには未試行の行動も試す必要があります。
- 通常定義される教師あり学習では、この問題はそもそも生じません。
結論: 探索と活用の語が出たら、強化学習の設問と判定します。
問題文から答えを選ぶ手順
- 1
学習に与えられるものを確認する
正解ラベル付きの例が与えられているなら教師あり学習、報酬が手がかりなら強化学習です。ラベルも報酬もなく構造を探すなら教師なし学習を疑います。
- 2
『報酬』『エージェント』『環境』の語を探す
環境の中でエージェントが行動し、報酬を得るという記述があれば、強化学習です。
- 3
『正解』『教師データ』『分類』『回帰』の語を探す
正解付きデータから予測を学ぶという記述があれば、教師あり学習です。
- 4
手法名を上位の分類へ戻す
Q学習・方策勾配法・Actor-Criticは強化学習の手法、回帰・分類の各手法は教師あり学習の手法です。
試験での見分け方
- 1報酬を最大化するように行動を学ぶのは強化学習。
- 2正解付きの例から学ぶのは教師あり学習。
- 3強化学習では、どの行動が良いかを教えられず、試して発見する。
- 4試行錯誤と遅延報酬は、強化学習の最も重要な特徴。
- 5探索と活用のトレードオフは、強化学習に特有の課題。
- 6Q学習・方策勾配法・Actor-Criticは、強化学習の中の手法。
誤答しやすい選択肢
強化学習も正解を教えてもらって学ぶと思う
修正: 強化学習の学習者は、どの行動を取るべきかを教えられません。与えられるのは報酬で、どの行動が報酬を生むかは試して見つけます。正しい行動の例を与えるのは、教師あり学習です。
強化学習は教師なし学習の一種だと思う
修正: 教師なし学習は、データの構造やまとまりを見つける学習です。強化学習は、報酬の最大化という目的を持って行動を学ぶ点が異なり、通常は別の種類として扱われます。報酬の有無で見分けます。
報酬は行動の直後にしか返らないと思う
修正: 強化学習では、行動が目先の報酬だけでなく、次の状況と以後のすべての報酬に影響しうるとされます。報酬が遅れて返ることは、試行錯誤とならぶ強化学習の特徴です。
Q学習を教師あり学習の手法だと思う
修正: Q学習は、制御されたマルコフ領域で行動を最適に学ぶ手法で、強化学習に含まれます。行動価値を逐次改善していく手法で、正解ラベルを使う学習ではありません。
確認問題
Q1数値的な報酬を最大化するように、状況を行動へ対応づける方法を試行錯誤で学ぶのは、強化学習と教師あり学習のどちらですか？
答え: 強化学習
強化学習は、数値的な報酬信号を最大化するように、どの行動を取るべきかを試して発見する学習です。
Q2探索と活用のトレードオフが特に問題となるのは、強化学習と教師あり学習のどちらですか？
答え: 強化学習
探索と活用のトレードオフは強化学習に特有の課題で、通常定義される教師あり学習ではそもそも生じません。
Q3教師あり学習で与えられるものは何ですか？
答え: 入力と正解の組（教師が与える例）
教師あり学習は、知識のある外部の教師が与える例から学ぶ学習です。強化学習のように、報酬だけを手がかりにするものではありません。
到達チェック
- 強化学習の基本の考え方を一文で言える
- 教師あり学習で与えられるものを説明できる
- 『報酬』『エージェント』の語から強化学習と判定できる
- 『正解ラベル』『教師データ』の語から教師あり学習と判定できる
- 探索と活用のトレードオフがどちらの課題か答えられる
関連ページで確認する
同じ資格で次に知りたいこと
- LIMEとSHAPの違い
LIMEとSHAPの違いを、説明の作り方（局所近似とシャープレイ値）、満たす性質、使う場面、G検定での判断手順と確認問題まで解説します。
- 主成分分析とクラスタリングの違い
主成分分析（PCA）とクラスタリング（k-means法）の違いを、出力の形、目的、使い分けと併用、G検定での判断手順と確認問題まで解説します。
- AI・機械学習・深層学習の違い
AI（人工知能）・機械学習・深層学習の違いを、包含関係と特徴量を人が決めるか自動で獲得するかから解説。G検定の最初の章で問われる判断手順と確認問題つきです。
よくある質問
Q強化学習と教師あり学習の最大の違いは何ですか？
学習のために与えられる情報です。教師あり学習は正解付きの例を与えられ、強化学習は正解を教えられず、行動の結果として得る報酬を最大化するように学びます。
Q強化学習の二つの重要な特徴は何ですか？
試行錯誤による探索と、遅延報酬（行動の影響が次の状況と以後の報酬にまで及ぶこと）です。
Q探索と活用とは何ですか？
既に有効と分かった行動を選ぶ（活用）か、まだ試していない行動を試す（探索）かの均衡の問題です。強化学習に特有の課題とされます。
Q試験中に二つを最短で見分ける方法は？
『報酬』『エージェント』『試行錯誤』の語があれば強化学習、『正解ラベル』『教師データ』の語があれば教師あり学習と判定します。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）