状態の推定と操作の選択は、答える問いが違います。正確な状態が分からなくても、考えられる状態すべてに同じ操作が有効なら選択できます。
問いの背後にある仕組み
下の有限表では準備Aが状態1と2で成功します。この二つだけが候補なら、この選択のために両者を見分ける必要はありません。
観察してみる
状態3の重みをゼロにし、状態1と2に正の重みを残して準備Aを見ます。
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
状態の不確実性は残りますが、Aは残る候補を覆います。十分な判断は、完全な復元と同じではありません。
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 ↗