Reinforcement Learning - Uwe Lorenz

. .

Résumé :
In uralten Spielen wie Schach oder Go k?nnen sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme ?ben ihre Bewegungen selbst. In Arcade Games erreichen lernf?hige Agenten innerhalb weniger Stunden ?bermenschliches Niveau. Wie funktionieren diese spektakul?ren Algorithmen des best?rkenden Lernens? Mit gut verst?ndlichen Erkl?rungen und ?bersichtlichen Beispielen in Java und Greenfoot k?nnen Sie sich die Prinzipien des best?rkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.K?lling, King's College London) und das Hamster-Modell (D.Bohles, Universit?t Oldenburg) sind einfache, aber auch m?chtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernf?higen Agenten machen, die eigenst?ndig ihre Umgebung erkunden. Die zweite Auflage enth?lt neue Themen wie Genetische Algorithmen und K?nstliche Neugier sowie Erkl?rungen zu aktuellen Algorithmen wie A3C und PPO (wurde u.a. f?r das Finetuning von ChatGPT verwendet), au?erdem Korrekturen und ?berarbeitungen. ...

Biographie:
Uwe Lorenz war nach seinem Studium der Informatik und Philosophie mit Schwerpunkt K?nstliche Intelligenz und Maschinelles Lernen an der Humboldt-Universit?t in Berlin und einigen Jahren als Projektingenieur f?r 10 Jahr als Gymnasiallehrer f?r Informatik und Mathematik t?tig. Seit seinem Erstkontakt mit Computern Ende der 80er Jahre hat ihn das Thema K?nstliche Intelligenz nicht mehr losgelassen. Derzeit arbeitet er als wissenschaftlicher Mitarbeiter in der Arbeitsgruppe Didaktik der Informatik an der Freien Universit?t Berlin in einem Projekt zur Thematik Verantwortungsvolle K?nstliche Intelligenz in der Lehramtsausbildung....

Sommaire:
Best?rkendes Lernen als Teilgebiet des Maschinellen Lernens.- Grundbegriffe des Best?rkenden Lernens.- Optimale Entscheidungen in einem bekannten Umweltsystem.- Entscheiden und Lernen in einem unbekannten Umweltsystem.- Neuronale Netze als Sch?tzer f?r Zustandsbewertungen und Aktionspreferenzen.- Werden digitale Agenten bald intelligenter als Menschen sein?.- Leitbilder in der KI.