説明可能な深層強化学習法の提案

カテゴリ: 部門大会

論文No: TC18-2

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Proposal for an Explainable Deep Reinforcement Learning Method

著者名: 小玉 直樹（明治大学）,宮崎 和光（大学改革支援・学位授与機構）,原田 拓（東京理科大学）

著者名(英語): Naoki Kodama (Meiji University),Kazuteru Miyazaki (National Institution for Academic Degrees and Quality Enhancement of Higher Education),Taku Harada (Tokyo University of Science)

キーワード: 強化学習|深層学習|説明可能なAI|Deep Q-Network|Reinforcement Learning|Deep Learning|Explainable AI|Deep Q-Network

要約(日本語): 近年、深層強化学習研究の発展によって、実環境問題への応用が期待されている．
しかし、深層強化学習では、学習済みエージェントがどのような意図で行動を選択しているのか、我々人間が知る事は出来ず、応用への信頼性に欠けてしまう問題がある．
本研究では、遷移先状態を予測するネットワークをDeep Q-Networkに導入し、そのネットワークを利用して価値関数の導出を行う方法を提案する．
提案手法によって、エージェントがどのような状態遷移を予測して行動を選択しているのかを可視化することが可能となる．
提案手法は、Atari2600ビデオゲームを利用してその有効性を示す．