Reinforcement Learning (RL)
Lernen durch Belohnungen aus Interaktion: Spiele, Robotik und Teile vom LLM-Alignment.
Reinforcement Learning lernt Strategien („Policies“), indem eine Umgebung Aktionen bewertet oft verzögert, oft mit Simulation.
Gerald Tesauros TD-Gammon (1992) war ein früher Meilenstein: Ein neuronales Netz lernte starkes Backgammon durch Temporal-Difference-Lernen und Selbstspiel. DeepMinds DQN auf Atari (Artikel) zeigte, dass tiefe Netze Steuerung aus Pixeln mit Experience Replay lernen können. In der Moderne relevant für AlphaGo und andere Spiele sowie Alignment großer Modelle etwa Präferenzdaten (RLHF mit PPO), nicht zu verwechseln mit überwachtem Lernen über feste Eingabe-Ausgabe-Paare.