強化学習とは
強化学習は、エージェント（行動する主体）が環境と相互作用しながら、報酬（良い結果）を最大化するための行動戦略を学ぶ手法です。まるで、迷路の中でチーズを探すネズミが、試行錯誤しながら最短ルートを見つけていくようなイメージです。
主な要素と流れ
エージェントは現在の状態を観察し、行動を選択します。環境はその行動に対する反応として、次の状態と報酬を返します。エージェントはこの報酬を手がかりに、将来の報酬の合計が最大になるように行動を調整します。例えば、ゲームのキャラクターが敵を倒すと得点（報酬）が入り、その得点を増やすために攻撃や回避のタイミングを学習していく、というのが典型的な例です。