Reinforcement Learning — Lernen durch Belohnung
RL: Ein Agent handelt in einer Umgebung, erhält Belohnung oder Bestrafung und lernt, das langfristige Reward zu maximieren.
Vokabular
| Begriff | Bedeutung |
|---|---|
| Agent | Lernendes System (z.B. Schachprogramm) |
| Environment | Welt, in der der Agent agiert (Schachbrett) |
| State | Aktuelle Situation (Brettstellung) |
| Action | Möglicher Zug (z.B. Bauer e2-e4) |
| Reward | Belohnung nach Aktion (Gewinn = +1, Niederlage = -1) |
| Policy π | Strategie: Welche Aktion in welchem State? |
| Q-Function | Erwarteter Reward pro (State, Action)-Paar |
Berühmte Beispiele
- AlphaGo (DeepMind): Schlug 2016 Lee Sedol im Go — durch RL und Self-Play.
- OpenAI Five: Bezwang Dota 2 Weltmeister-Team.
- Boston Dynamics Spot: Roboterhund lernt zu laufen, balancieren.
- RLHF in ChatGPT: Menschen bewerten Antworten → KI lernt zu "hilfsbereit" sein.
Exploration vs. Exploitation
Exploitation: Mache, was bisher gut funktioniert hat. Exploration: Probiere Neues aus — vielleicht ist es besser. Balance kritisch (ε-greedy: meist beste Aktion, mit ε-Wahrscheinlichkeit zufällig).