Verstärkendes Lernen

Beim Verstärkenden Lernen (reinforcement learning) steht die Interaktion mit der Umgebung im Vordergrund, da dieser Algorithmus aus Erfahrungen lernt. Das dahinterliegende Prinzip ist das Trial-and-Error Prinzip, also Versuch und Irrtum und das Ziel dieses Algorithmus ist es, eine Strategie zu entwickeln, die die Belohnung maximiert. Vor allem für die Automatisierung und für die Robotik ist diese Art von Algorithmus relevant (Wittpahl, 2019). 

Ein Beispiel für das Reinforcement Learning ist das Computerprogramm AlphaGoZero, welches menschliche Spieler:innen in kurzer Zeit besiegen konnte (Wittpahl, 2019).


Quelle: 

Wittpahl, V. (Hrsg.). (2019). Künstliche Intelligenz: Technologie | Anwendung | Gesellschaft. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-58042-4 ;