Bestärkendes Lernen soll in Zukunft Künstliche Intelligenz und Roboter fit für die reale Welt machen. Doch der Weg ist noch weit: Die Hoffnungsträgermethode funktioniert noch nicht so, wie KI-Forscher sich das erhoffen. Das zeigen neue Benchmarks von Facebook-Forschern.

Wenn ein klares Ziel in einer simulierten Umgebung existiert, ist das bestärkende Lernen für gewöhnlich sehr erfolgreich: Die KI bekommt ein Ziel gesteckt und muss ihren Pfad zu diesem eigenständig finden.

Für jede Aktion, die das Ziel näherbringt, wird sie belohnt. Für einen Fehltritt kann sie bestraft werden. Nach demselben Prinzip trainieren Menschen zum Beispiel Tiere.

Bestärkendes Lernen ist mächtig, weil man so potenziell Probleme lösen kann, für die noch kein Lösungsansatz existiert.

OpenAI-Mitgründer Ilya Sutskever sieht eine große Zukunft für die Methode: Die Lerntechnik könne eine entscheidende Rolle auf dem Weg zu einer starken KI spielen, so Sutskever.

Aktuelle KI-Benchmarks haben nichts mit der echten Welt gemein

Die Effizienz der Lern-Algorithmen wird mit sogenannten Benchmarks getestet. Das Problem dieser digitalen Lackmustests: Meist handelt es sich um alte Atari-Videospiele und einfache Simulationsumgebungen. Beide Szenarien entsprechen nicht der Komplexität der natürlichen Welt.

So entstehen spezialisierte Algorithmen, die zwar gut Atari spielen, aber noch nie mit der echten Welt konfrontiert wurden. Bestärkendes Lernen soll jedoch eines Tages Robotern helfen, sich in der Wirklichkeit schnell zurechtzufinden.

Beispielsweise soll der Verstand eines Roboters eine reale Umgebung zu…

MIXED.de XR-Podcast - jetzt reinhören

Aktuell: Half-Life: Alyx ohne Spoiler | Alle Folgen



Hinweis: Links auf Online-Shops in Artikeln können sogenannte Affiliate-Links sein. Wenn ihr über diesen Link einkauft, erhält MIXED.de vom Anbieter eine Provision. Für euch verändert sich der Preis nicht.