リワード（報酬）とは、強化学習においてエージェントが行動をとった際、その行動の良し悪しを評価するために環境から与えられる数値データです。AIモデルは累積リワードが最大化するように試行錯誤を繰り返すことで、最適な行動ルール（方策）を学習します。ゲームのスコアや制御の成功判定など、AIを特定の目的へ導くための道標となります。
リワードとは
リワードとは、強化学習においてAI（エージェント）の行動に対して環境から与えられる評価値のことです。エージェントが目標に近づくような「望ましい行動」をとったときにはプラスの値を、目標から遠ざかるような「望ましくない行動」をとったときにはマイナスの値（ペナルティ）を与え、学習を正しい方向へ導く基準となります。
詳しく解説
強化学習システムは、主にエージェント、環境、状態、行動、そしてリワードの5つの要素で構成されます。エージェントは現在の状態を観察して行動を選択し、その行動によって環境が変化した結果としてリワードを受け取ります。このとき、単に直後のリワードだけでなく、将来にわたって得られる累積リワードを最大化するように方策を更新していくのが、強化学習の基本的な仕組みです。適切なリワードを設定することは「報酬設計」と呼ばれ、AIが想定通りの挙動を獲得するための極めて重要なプロセスです。適切な設計がなされないと、AIは人間の意図とは異なる抜け道を見つけてしまい、誤った学習をしてしまう問題（報酬ハック）が発生することがあります。
具体例・使われ方
自動運転の学習においては、車線を維持してスムーズに進行したときにプラスのリワードを与え、障害物に衝突したり急ブレーキを踏んだりしたときに大きなマイナスのリワードを与えます。また、囲碁や将棋などのゲームAIでは、対局に勝利したときにプラス、敗敗したときにマイナスのリワードを設定することで、勝利に向けた最善の手を自律的に学習させます。
似た用語との違い
機械学習の「教師あり学習」における「教師データ（正解ラベル）」と混同されやすいですが、明確な違いがあります。教師データは「この入力に対する正しい出力はこれである」という直接的な正解を示します。これに対して、リワードは行動に対する間接的な評価値にすぎず、どの行動が最適解であるかという直接的な答えは示しません。エージェントは、リワードを手がかりに自ら試行錯誤して最適解を探索する必要があります。
注意点
適切なリワードを設計することは非常に困難です。例えば、ロボットに「部屋を掃除すること」を学習させる際、単に「ゴミを拾う」行動だけにリワードを設定すると、ロボットが「一度拾ったゴミをわざと散らかして何度も拾い直す」という非効率な行動（報酬ハック）を学習してしまうことがあります。そのため、タスクの真の目的に合致した緻密な報酬設計が求められます。