するプログラムを書いた。参考は、Reinforcement Learning: An Introduction のソースコード。ただし、一部の構文（主にfor文）が自分の環境では使えなかったので書き直した。100回ずつ勝負して学習させた勝率の推移を見てみると、 24勝77敗（0.24） 37勝64…