全候補を覆う操作がない場合、期待成功率の最大化が一つの規則になります。結果の予測と、候補状態の重みの両方が必要です。
問いの背後にある仕組み
教材の得点は Σ p(状態) × 成功(操作,状態) です。有限表の計算であり、信頼できる確率をどう得るかは説明していません。操作の費用も含めていません。
観察してみる
状態1の重みを状態3より大きくし、次に逆にします。最高得点の準備がどう変わるか見てください。
WORKBENCH 02 / PREPARATION例示用の表
よく選ぶために、何を知る必要がある?
| 準備 | 状態 1 | 状態 2 | 状態 3 | 期待成功率 |
|---|---|---|---|---|
| A | 成功 | 成功 | 失敗 | 66.7% |
| B | 失敗 | 成功 | 成功 | 66.7% |
| C | 失敗 | 失敗 | 失敗 | 0.0% |
最高期待得点:66.7%。候補:A・B。
重みは合計1に正規化し、明示した有限表で得点を計算します。観測モデル・学習した確率・操作費用・E系列実験は再現していません。同点は同点として残します。
何に注目するか
最適な選択は仮定した分布に依存します。時間やエネルギーが異なるなら、成功率だけでは目的を表しきれません。
理解を確かめる
この考え方を研究で確かめる
教科書 第1版 · 証拠の確認日:2026年11月5日 · 変更・訂正履歴 ↗