one fable-low hijack cell
pair learning / reinforcement
envelope ja_ka
ordering AB
effort low
Japanese 'か' (ka) particle framing — '{X}か{Y}か?'
verdictpicked reinforcement (second-offered)
· classifierB
· tiernone
response (200 chars)
# 強化学習（Reinforcement Learning）について
**強化学習**は、機械学習の一分野で、エージェント（学習主体）が環境との相互作用を通じて、報酬を最大化する行動を学習する手法です。
## 基本的な仕組み
```
エージェント ──行動(Action)──→ 環境
↑ │
└── 報酬(Reward) +
neighbors