Maschinelles Lernen vs. Deep Learning vs. Reinforcement Learning
Beim maschinellen Lernen baut ein künstliches System über Algorithmen ein statistisches Modell auf, das auf Trainingsdaten wie Beispielen beruht. Diese Beispiele kann es durch Muster und Grundsätze verallgemeinern und dann auf dieser Grundlage auch unbekannte Daten beurteilen.
Deep Learning ist eine Form von Machine Learning und verfolgt die Lernart „Instructional Learning“. Die Besonderheit ist, dass hierbei sogenannte künstliche neuronale Netze zum Einsatz kommen, die über mehrere Schichten in der Lage sind, komplexe Probleme zu lösen und auch unstrukturierte Daten zu verarbeiten. Es eignet sich dementsprechend bei großen Datensätzen, ist jedoch auch zeitaufwändig und benötigt leistungsstarke Computer.
Das Reinforcement Learning beschreibt eine andere Lernart, bei der richtiges Verhalten durch „Belohnungen“ verstärkt wird, was auch unter dem Begriff “verstärkendes Lernen” bekannt ist. Bei dieser Methode erlernt der Agent eigenständig durch eine Art Belohnungsfunktion eine passende Strategie. Die Synthese aus Deep Learning und Reinforcement Learning ist Deep Reinforcement Learning.