お掃除ロボットは、部屋の様子をセンサーでとらえ、自分で経路を決めて動き回ります。このように「環境を認識し、目標のために自律的に行動する主体」をAIの世界ではエージェントと呼びます。強化学習など後の章でも繰り返し登場する、最初に押さえておきたい基本概念です。
📖 ひと言でいうと
エージェントとは、あらかじめ与えられた目標を達成するために、自分で環境を認識し、状況に応じて行動を選択するプログラムや仕組みのことです。
身近な例えでいえば、「おつかいを頼まれた子ども」を想像してください。親(設計者)は「卵を買ってきて」という目標だけを与えます。どの道を通るか、店が閉まっていたら別の店に行くか——道中の判断は子ども自身が周囲の状況を見て決めます。このように、目標は与えられていても行動の選択は自分で行う、というのがエージェントの本質です。
🖼 1枚でわかるエージェント
📘 対策テキストの説明
エージェントは、プログラムやメカニズムの一種で、あらかじめ定義された目標を達成することを目的として設計されている。自律的に環境を認識し、その状況に応じて適切な行動を選択する能力を持っている。また、学習機能を備えたエージェントは、経験を通じて行動戦略を改善し、より効果的な結果を得ることができる。
この説明は3つの文で、エージェントの3つの側面を述べています。第1文は「目標」——エージェントには達成すべきゴールがあらかじめ定義されています。第2文は「自律性」——環境を自分で認識し、状況に応じて行動を選ぶ能力です。人間が一挙手一投足を指示するのではない、という点が重要です。
第3文は「学習」——すべてのエージェントが学習するわけではありませんが、学習機能を備えたエージェントは経験から行動戦略を改善できます。後の章で学ぶ強化学習は、まさにこの「経験を通じて行動戦略を改善するエージェント」を実現する枠組みです。
🔍 しっかり理解する
エージェントと環境のループ構造
エージェントを理解する最大のポイントは、「エージェント」と「環境」をワンセットで考えることです。エージェントは環境の中に置かれ、環境から情報を受け取り、環境に対して行動し、その結果をまた受け取る——というループを回し続けます。
このループが1回で終わらず回り続けるところがミソです。行動すると環境が変わり、変わった環境をまた認識して次の行動を決める。この繰り返しの中で目標達成を目指すのがエージェントの働き方です。
学習するエージェントと強化学習
フィードバックの中に「うまくいったかどうか」の評価(報酬)が含まれていると、エージェントはそれを手がかりに行動戦略を改善できます。これが学習機能を備えたエージェントで、その代表的な学習の枠組みが強化学習です。強化学習では、エージェントが環境と相互作用しながら、得られる報酬を最大化するような行動の方針(方策)を試行錯誤で学んでいきます。
G検定のシラバスでは、強化学習の章で「エージェント・環境・行動・報酬」という用語セットが再登場します。第1章の段階で「エージェントは環境とループを回す主体」というイメージを固めておくと、後の学習が格段に楽になります。
なぜ「エージェント」という見方が重要なのか
AIを「入力に答えを返す関数」としてではなく「環境の中で行動する主体」としてとらえる見方は、AI研究の中心的な整理のひとつです。世界的に広く使われるAIの教科書(ラッセルとノーヴィグの『エージェントアプローチ 人工知能』)が、AI全体を「知的エージェントの設計」という枠組みで組み立てていることからも、この概念の重要性がわかります。翻訳や画像認識のような単発の処理も、ロボットの制御も、「環境を認識して行動する主体」という同じ土俵で統一的に議論できるのがこの見方の強みです。
💡 具体例で考える
お掃除ロボット——家庭にいるエージェント
お掃除ロボットは、エージェントの構成要素が最もわかりやすく観察できる例です。目標は「部屋をきれいにすること」。センサーで壁や段差、ごみの多い場所を認識し(認識)、どこへ進むかを自分で決め(判断)、実際に移動して吸引します(行動)。壁にぶつかれば向きを変え、充電が減れば自分で充電台に戻る——環境の変化に応じて行動を変える自律性を備えています。人間はスタートボタンを押すだけで、走行経路を逐一指示していない点がエージェントらしさの核心です。
囲碁AI——報酬から行動戦略を学んだエージェント
ゲームをプレイするAIも典型的なエージェントです。囲碁AIにとって環境は盤面であり、行動は次の一手、フィードバックは対局の勝敗です。ディープマインド社の囲碁AI「AlphaGo」は、自己対戦を膨大に繰り返し、勝ちにつながる打ち方を強化学習で学びました。これは対策テキストのいう「経験を通じて行動戦略を改善し、より効果的な結果を得る」学習機能つきエージェントの代表例です。
⚠️ よくある誤解・紛らわしい用語
- 「エージェント=ソフトウェアだけ」ではない — 対策テキストは「プログラムやメカニズムの一種」としています。お掃除ロボットや自動運転車のような物理的な機械(ロボット)もエージェントに含まれます。
- ただのプログラムとの違い — 決められた手順を実行するだけの電卓のようなプログラムと違い、エージェントは環境を認識し、状況に応じて行動を自分で選択します。「自律性」の有無が分かれ目です。
- 「すべてのエージェントが学習する」わけではない — 学習機能は「備えたエージェントもある」という位置づけです。ルール通りに動くだけの単純なエージェントも存在します。
- 人工知能との関係 — エージェントはAIをとらえるための枠組み・視点であり、人工知能そのものの定義ではありません。「AIを、環境の中で行動する主体として設計・分析する見方」と整理しましょう。
📝 試験でのポイント
- 定義問題では「あらかじめ定義された目標」「自律的に環境を認識」「状況に応じて行動を選択」の3要素がそろった選択肢が正解の目印です。
- 「人間がすべての行動を逐一指示するプログラム」のように自律性を欠いた記述は誤答の定番パターンです。
- 強化学習の文脈で「エージェントが環境と相互作用し報酬を最大化する」という形で再登場します。第1章の定義と結びつけて覚えましょう。
- 事例文からエージェントに当たるものを選ぶ問題では、「環境を認識しているか」「行動を自分で選んでいるか」の2点でチェックすると判定できます。
📚 まとめ
- エージェントとは、定義された目標の達成を目的に、環境を自律的に認識し行動を選択するプログラムやメカニズムです。
- 「認識→判断→行動→フィードバック」のループを環境との間で回し続ける主体、というイメージが理解の核になります。
- 学習機能を備えたエージェントは経験から行動戦略を改善でき、強化学習はその代表的な枠組みです。
- お掃除ロボットや囲碁AIなど、身近な実例で3要素(目標・認識・自律的行動)を確認しておきましょう。
