強化学習における「割引率（γ：ガンマ、0 ≦ γ ≦ 1）」の役割に関する記述として、最も適切なものを1つ選択してください。
出典G検定オリジナル模擬試験
ア
将来得られる報酬の価値を現在価値へ割り引く割合であり、γが0に近いほど目先の即時報酬を重視し、1に近いほど遠い未来の報酬まで重視する。
イ
エージェントが行動を選択する際に、ランダムに行動する確率を直接指定するパラメータである。
ウ
学習率（α）と常に連動し、1ステップあたりのQ値の更新量を一定に抑制するために用いられる。
エ
エピソードが終了した際に、獲得した総得点から差し引かれる手数料の割合である。