1．基本を理解
読み方・用語解説- 読み方
- まるちえーじぇんときょうかがくしゅう
- 英語名
- Multi-Agent Reinforcement Learning（MARL）
- 提唱者・年代
- 強化学習の発展として90年代以降に発展。AlphaGo等で脚光
💡 豆知識——著名な例は“セルフプレイ”——AI同士が練習相手になって戦い続ける方式（AlphaGo、AlphaZero）。
【セットで覚えたい関連用語】
強
強化学習（No.8）報酬で行動を“学ぶ”AI。単一エージェントの基礎。A
AlphaGo将棋・囲碁で人間を超えた、セルフプレイの代表例。A
AIエージェント（No.391）目標を達成する自律型AI——複数連携するとマルチエージェントになる。2．意味（定義）と例え話
一言で言うと？
複数エージェントが協調・競争する強化学習。
背景・歴史的流れ
単体AIの学習が定着したあと、“複数”が同じ空間で互いに影響し合う学習として発展。ゲームAIで注目を集めた。
身近な例え話
一人暗記で勉強する（単体）vs 部活の練習試合でチーム全員が伸びる（複数）——“相手がいる”と学習が加速する。
AIとの関係
ゲーム（囲碁・将棋・e-sports）で人間超えの成果を生んだ“相手役学習”——協調・競争の設計が鍵。
おすすめの活用法・注目ポイント
「複数＋協調・競争」で。単一エージェント（一人）との違いと、セルフプレイの具体例をセットで。
3．直前に理解（Q&A）
7問Q1. マルチエージェント強化学習とは？最頻出
複数エージェントが協調・競争する強化学習。
Q2. 強化学習との違いは？最頻出
エージェントが複数いる（環境が動的になる）——単一は一人。
Q3. 有名な手法・例は？最頻出
セルフプレイ（AlphaGo・AlphaZero）——AI同士が対戦して強くなる。
Q4. “協調”と“競争”は？頻出
協調＝チームとして全体報酬を最大化、競争＝互いを相手に勝率を上げる。
Q5. なぜ難しい？頻出
他エージェントも学習するため環境が“動いた”になる（非定常性）。
Q6. 「エージェント」とは？混同
環境で行動し報酬を得る主体。複数いるとマルチエージェント。
Q7. 位置づけは？親と子
強化学習 ⊃ 単一／マルチエージェント強化学習。
4. まとめ
マルチエージェント強化学習＝“複数AIが協調・競争する”強化学習。AlphaGoのセルフプレイが代表例。