Reinforcement Learning ist ein Bereich des maschinellen Lernens, der für das Training Softwareagenten mit einer Umgebung interagieren lässt, um dabei eine kumulativer Belohnung zu maximieren. Als Testgebiet eignen sich daher Computerspiele besonders gut um Verfahren in diesem Gebiet zu entwickeln und zu testen, da Software leicht für die Steuerung des Spieles angepasst werden kann, und mit dem Score ein Maß für die Belohnung zur Verfügung steht.
Die Google Tochter Deepmind (https://deepmind.com/) hat schon vor einiger Zeit gezeigt, wie dies am Beispiel klassischer Atari Spiele erfolgreich angewendet werden kann. Das folgende kurze Video zeigt, wie ein Softwareagent lernt “Breakout” zu spielen, und dabei in wenigen Stunden lernt erfolgreicher als Menschen zu spielen:
Als Information hat das Lernverfahren dabei nur den Bildschirm in Form von Pixelbildern zur Verfügung gehabt. Das Original-Paper, das in “Nature” erschienen ist, findet sich unter https://storage.googleapis.com/deepmind-media/dqn/DQNNaturePaper.pdf.
Wer sich selbst mit Reinforcement Learning beschäftigen möchte, findet mit “Open AI Gym” (http://gym.openai.com/) eine Plattform mit einer Python-Bibliothek mit der unter anderem auch auf die Atari Spiele zugegriffen werden kann.
