Quelle: https://computingeducation.de/proj-ml-uebersicht/

Beim bestärkenden maschinellen Lernen (engl. Reinforcement Learning, kurz RL) lernt die KI durch Ausprobieren (Trial and Error). Dies lässt sich ähnlich vorstellen wie bei einem Hund, der Tricks lernt. Die KI führt eine Aktion aus und erhält dafür entweder eine Belohnung (Reward) für eine gute Aktion oder eine Bestrafung (Penalty) für eine schlechte. Bestärkendes Lernen ist ein sehr beliebter Ansatz in der modernen KI, insbesondere in der Robotik. Man kann sich das Ganze wie einen «Agenten» (engl. agent) vorstellen, der selbstständig ein Videospiel spielt und dabei lernt, immer besser zu werden:

• Der Agent (KI): Spielt ein Videospiel

• Die Umgebung: Das Spielfeld

• Belohnung: Punkte sammeln

• Bestrafung: Verlieren von Punkten oder Lebens

• Ziel: Eine Strategie (Policy) finden, um die maximale Belohnung zu erhalten

In der nächsten Aktivität werden wir mit einer Praxisimplementierung von bestärkendem Lernen experimentieren.