Bestärkendes Lernen (Reinforcement Learning) 

Bestärkendes Lernen ist eine Methode des maschinellen Lernens, bei der eine KI durch Belohnungen und Bestrafungen lernt, optimale Entscheidungen zu treffen. Mit dem NIM-Spiel habt ihr die Möglichkeit, selbst nachzuvollziehen und zu erleben, wie eine KI nach diesem Verfahren trainiert wird.

  • Zu Beginn weiß die KI nichts und handelt einfach irgendwie. 
  • Wenn sie eine richtige Entscheidung trifft, wird ihr gesagt, dass sie dieses Verhalten wiederholen soll. 
  • Bei einer falschen Entscheidung wird ihr gesagt, dass sie dieses Verhalten nicht mehr machen soll.  

Was „richtig” und was „falsch” ist, wird meist jedoch ganz allein von den KI-Entwickler*innen entschieden.

Video: Training AI to Play Pokemon with Reinforcement Learning

Ein Beispiel für Bestärkendes Lernen ist das KI-Training eines digitalen Spiels: Der Computer lernt in vielen Versuchen, wie er ein Spiel möglichst schnell durchspielen kann. Im folgenden Video wird das am Beispiel eines alten Pokémon-Spiels dargestellt. 

 
Es lassen sich zahlreiche Beispiele finden, die verdeutlichen, wie Maschinelles Lernen und insbesondere Bestärkendes Lernen in unserem Alltag präsent sind. Beispiele hierfür sind Empfehlungssysteme auf Plattformen wie Netflix oder YouTube, die auf den Vorlieben und dem Verhalten der Nutzenden basieren, oder der Einsatz in Videospielen, um das Verhalten von computergesteuerten Charakteren anzupassen und zu verbessern.

Möchtet ihr mehr über die Grundlagen von Künstlicher Intelligenz erfahren? Dann besucht unseren KI-Grundlagenkurs!