Reinforcement Learning

Die Demonstration zeigt, wie ein Computer das Spiel Flappy Bird durch Reinforcement Learning, ein Paradigma des maschinellen Lernens meistert. Dabei handelt es sich um einen Ansatz, bei dem ein Algorithmus durch Belohnungen (oder Bestrafungen) lernt, bestimmte Aktionen auszuführen oder zu vermeiden.

Was ist Reinforcement Learning?

Reinforcement Learning (RL) ist ein Bereich des maschinellen Lernens der sich damit beschäftigt wie Maschinen komplexe Aufgaben lernen können, ohne dass sie explizite Anweisungen erhalten. Bei relevanten Aktionen erhält der Algorithmus ein Feedback in Form einer Belohnung oder Bestrafung. Basierend auf diesem Feedback passt er seine Strategie an. Das Ziel ist es, durch Trial and Error eine Strategie zu entwickeln, die die gesammelte Belohnung über die Zeit maximiert.

Wo wird Reinforcement Learning eingesetzt?

Reinforcement Learning hat Anwendungen in der Wissenschaft und Technik. In der Robotik ermöglicht es Maschinen, autonom komplexe Aufgaben zu lernen und auszuführen, vom einfachen Greifen von Gegenständen bis hin zur Navigation in unbekannten Umgebungen. Im Kontext von Computerspielen ermöglicht es die integratiion von Verhaltenswesen die sich an neue Umgebungen anpassen können.