報酬予測誤差

深読ヨミ

もう少しちゃんと言うと

『この店は普通だろう』と思って入ったら、予想以上においしかった。すると次からその店への期待が上がるわよね。逆に期待していたのに外れれば評価は下がる。予想と実際の差が学習の信号になる、という考え方が報酬予測誤差よ。 予想より良い結果なら正の誤差、悪ければ負の誤差となり、次回の期待を更新する手がかりになるの。『予想してから結果を見る』ことで、どこがずれたかが明確になるわ。