強化学習が教師あり学習や教師なし学習と最も異なる特徴はどれか?

強化学習ではエージェントが環境に行動を送り報酬を受け取りながら試行錯誤し、長期的総報酬を最大化する方策を学ぶ。報酬が遅延することも多いため時間的差分やモンテカルロ法で価値を推定し行動を更新する。教師あり学習のように即時に正解ラベルが示されるわけでもなく、教師なし学習のように構造抽出だけが目的でもない点が決定的な違いである。