Q-Learning – Ein intuitiver Ansatz zum Maschinellen Lernen in einer Spiel-Umgebung

Thema zumindest teilweise zu entmystifizieren. Den Rahmen der Reihe bildet ein sehr einfaches Computerspiel, in dem die Spielentscheidungen in bestimmten Situationen Belohnungen oder Kosten verursachen und den Spieler in andere Situationen versetzen. Die Schülerinnen und Schüler lernen schrittweise, einen künstlichen Spieler (Agenten) zu programmieren, der in der Lage ist, aus den Erfahrungen, die er beim Spielen sammelt, eigenständig zu lernen und seine Entscheidungen zu optimieren. Das verwendete Q-Learning-Verfahren gehört zur Klasse des „Bestärkenden Lernens“ (Reinforcement Learning). Dieses Verfahren ist ausgesprochen intuitiv; Entscheidungsfindung und Lernvorgang des Agenten sind im Vergleich zu vielen anderen Verfahren sehr transparent. Es werden (außer der Spielumgebung) keine weiteren Software-Bibliotheken benötigt: die Schülerinnen und Schüler programmieren die gesamte Entscheidungsfindung und den Lernvorgang des Agenten selbst in der Programmiersprache Python. Alle benötigten Materialien stehen im elektronischen Informatik-Schulbuch inf-schule.de frei zur Verfügung; dazu gehört auch die ebenfalls in der Programmiersprache Python implementierte Spielumgebung. Der Ansatz ist auf praktisch alle im Unterricht verwendeten Programmiersprachen übertragbar.

Dr. Peter Dauscher -  Gymnasium am Römerkastell, Alzey