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. 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.