機械学習 Q値とは?強化学習の行動選択を導くQ関数の仕組みをわかりやすく解説 迷路の分岐点で「右に行けば報酬80、左なら報酬30」と判断する数値——それがQ値です。ゲームAIの行動選択を支えるQ学習の仕組みと、DQNへの進化を解説します。 2026.10.03 機械学習