AIや強化学習において「状態（State）」とは、ある特定の時点における環境やシステムが置かれている状況や情報を表すデータのことです。エージェントが次の行動を決定するための判断材料となり、マルコフ決定過程やリカレントニューラルネットワークなどのモデルで中心的な役割を果たします。
状態とは
「状態」とは、AIモデルやシステム（強化学習におけるエージェントなど）が、ある時点において保持している内部的な情報や、取り巻く環境の具体的な状況を数値やベクトルで表現したものです。
詳しく解説
強化学習において、状態は「マルコフ決定過程」の基盤となる概念です。環境の状態は、エージェントが行動を選択するための基準となり、行動の結果として新しい状態へと遷移し、報酬が与えられます。また、ディープラーニングの「リカレントニューラルネットワーク」においては、過去の時系列情報を保持するための「隠れ状態」が重要な役割を担います。状態をどのように定義・表現するかは、AIモデルの学習効率や性能を大きく左右する重要な要素です。
具体例・使われ方
強化学習を用いたゲームAI（例えばチェスや囲碁）における状態は、「盤面上のすべての駒の配置」を指します。また、自動運転システムにおける状態は、「自車の現在速度、位置、周囲の障害物との距離、道路の白線の位置」などの複合的なセンサーデータの集まりです。自然言語処理のリカレントニューラルネットワークでは、これまでに処理した文脈の情報を要約した「隠れ状態」ベクトルが状態に該当します。
似た用語との違い
「状態」と混同されやすい概念に「観測」があります。状態は環境の完全な情報を指すことが多いのに対し、観測はエージェントから見えている限定的な一部の情報を指します。例えば、チェスは盤面がすべて見えるため「状態＝観測」ですが、ポーカーでは相手の手札が見えないため、エージェントが得られるのは「観測」であり、ゲーム全体の「真の状態」とは異なります。
注意点
状態を定義する際、不要な情報を多く含めすぎると「次元の呪い」に陥り、学習に必要な計算量が爆発的に増加してしまいます。一方で、重要な情報を削りすぎると現在の状態だけで次の状態が確率的に決まる性質（マルコフ性）が失われ、最適な意思決定の学習が困難になります。そのため、タスクに必要十分な情報を過不足なく選択する設計スキルが必要です。