2つのニューラルネットワーク（生成器と識別器）を競わせるように学習させ、実在しない高精細な画像を生成したりする技術はどれか。

強化学習（Reinforcement Learning）において、エージェントが行動を選択する指針となる、環境から得られるフィードバック値を何と呼ぶか。