Suchergebnisse

11.04.2019 - Jüngste Fortschritte in der Forschung der Künstlichen Intelligenz (KI) resultieren aus der Kombination von tiefen neuronalen Netzwerken und dem verstärkenden Lernen (reinforcement learning). In letzterem Fall sind die Agenten in der Lage, durch einen iterativen Versuch-und-Irrtum-Prozess ihr Verhalten anzupassen und lohnende Verhaltensweisen in unbekannten Umgebungen zu erlernen. Aber dieser Prozess ist noch nicht vollständig verstanden. Das Verstärkende Lernen ist ein spezifischer Bereich der KI. Da KI einen großen Einfluss auf die Gesellschaft haben kann, ist ein besseres Verständnis der KI-Systeme entscheidend, um potenzielle Herausforderungen und Risiken einzuschätzen. Schon heute wird die KI eingesetzt, um Autos zu steuern, Produktionslinien zu verwalten oder sogar Texte zu verfassen. Ein Team von Wissenschaftlern des Potsdam-Instituts für Klimafolgenforschung hat eine neue Methode entwickelt, um diese Algorithmen zu untersuchen unter Verwendung von Erkenntnissen aus der statistischen Physik. Ihre Ergebnisse, die in der Zeitschrift Physical Reviews E veröffentlicht worden sind, können dazu beitragen, das Design groß angelegter KI-Systeme des verstärkenden Lernens zu verbessern.