Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind17. Juni 2016 · Q001935

Deep Reinforcement Learning

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag schildert DeepMinds Fortschritte beim Deep Reinforcement Learning: von DQN und A3C für Atari-Spiele bis zu Anwendungen in 3D-Navigation, Robotersteuerung, Go und Poker. Die berichteten Erfolge, darunter AlphaGos Sieg über Lee Sedol, sind Aussagen des Unternehmens; detaillierte Prüfbedingungen fehlen, und der ergänzte Abbildungsanhang bricht mitten in Bildbeschreibungen ab.

Mittel

Der Beitrag von David Silver beschreibt Deep Reinforcement Learning als Verbindung von Lernen durch Belohnungen und Bestrafungen mit neuronalen Netzen, die Rohdaten wie Pixelbilder auswerten. DeepMind berichtet, DQN habe ohne vorgegebene Spielregeln in fast der Hälfte von 50 Atari-Spielen menschliches Leistungsniveau erreicht. Verbesserungen hätten den mittleren Punktestand erhöht; laut Beitrag sei menschliches Niveau später in fast allen Spielen erreicht worden. Als effizientere Alternative stellt der Text A3C vor, bei dem mehrere Agenten parallel ein Modell nutzen. Der Bericht nennt außerdem Erfolge in der 3D-Umgebung Labyrinth, bei kontinuierlicher Steuerung und in Spielen wie Go und Poker. AlphaGo habe 2015 erstmals einen professionellen Go-Spieler und 2016 Lee Sedol mit 4:1 besiegt. DeepMind nennt Anwendungen im Gesundheitswesen als mögliches Zukunftsziel. Diese Leistungsangaben stammen aus einem Unternehmensbeitrag; detaillierte Versuchsbedingungen und unabhängige Bewertungen führt der Text nicht aus. Der Artikeltext ist enthalten, doch der ergänzte Abbildungsanhang bricht mitten in Bildbeschreibungen ab.

Ausführlich lesen

Der Bericht von David Silver stellt Deep Reinforcement Learning als Verbindung zweier Ansätze vor: Reinforcement Learning, bei dem ein Agent durch Versuch und Irrtum aus Belohnungen und Bestrafungen lernt, und Deep Learning, bei dem neuronale Netze Wissen aus Rohdaten wie Bildpunkten ableiten. DeepMind beschreibt als Ziel allgemein einsetzbare Agenten, die selbst Strategien für möglichst hohe langfristige Belohnungen entwickeln. Der Beitrag ist ein Unternehmensbericht; seine Erfolgsangaben werden hier als Aussagen des Autors wiedergegeben.

Als frühen Schwerpunkt schildert der Text Deep Q-Networks (DQN). Ein Q-Netz schätzt den erwarteten Gesamtlohn für eine Aktion. Um instabiles Lernen zu mindern, speichere DQN frühere Erfahrungen und spiele zufällig ausgewählte Beispiele erneut ab. In Tests mit 50 Atari-2600-Spielen erhielt der Agent laut Beitrag nur Pixelbilder, Spielstand-Belohnungen und die Auswahl einer Joystickrichtung; Spielregeln seien nicht vorgegeben worden. DQN habe in fast der Hälfte der Spiele menschliches Leistungsniveau erreicht. Spätere Änderungen an Stabilität, Auswahl und Verarbeitung der Erfahrungen hätten den mittleren Atari-Punktestand laut DeepMind um 300 Prozent erhöht; nun sei menschliches Niveau in fast allen Spielen erreicht worden. Außerdem nennt der Text ein gemeinsames Netz für mehrere Spiele und das verteilte System Gorila, das Training um eine Größenordnung beschleunigt und für Empfehlungssysteme bei Google eingesetzt worden sei.

Als weitere Methode beschreibt der Beitrag A3C: Viele parallele Agenten nutzen ein gemeinsames Modell. Diese Parallelität soll die Trainingsdaten diversifizieren und dient als Alternative zum Wiederholen gespeicherter Erfahrungen. A3C kombiniere ein Q-Netz mit einem Netz zur Aktionswahl und erreiche laut Autor gute Ergebnisse bei geringerem Trainingsaufwand als DQN und geringerem Ressourcenverbrauch als Gorila. Für besonders schwierige Atari-Spiele erwähnt der Text außerdem intrinsische Motivation und zeitlich abstrahierte Planung.

Der Bericht weitet den Blick auf Labyrinth, eine 3D-Umgebung für Navigation und Rätsel, in der Agenten nur ihre unmittelbare Sicht erhalten und Karten erschließen müssen. A3C habe dort bei vielen Aufgaben ohne zusätzliche Anpassung menschliches Niveau erreicht; auch ein Ansatz mit episodischem Gedächtnis sei erfolgreich gewesen. Für kontinuierliche Steuerungsaufgaben wie Roboterbewegung nennt der Text Deterministic Policy Gradients sowie asynchrones und hierarchisches Lernen. Damit seien unter anderem Ant-Fußball und ein humanoider Slalom mit 54 Dimensionen ohne vorheriges Wissen über die Bewegungsdynamik lösbar gewesen.

Als besonders bekanntes Beispiel folgt AlphaGo: Es lernte Wert- und Aktionswahl-Netze durch Selbstspiel und verband sie mit Baumsuche. Laut Bericht besiegte es im Oktober 2015 erstmals einen professionellen Go-Spieler und gewann im März 2016 gegen Lee Sedol 4:1. Separat nennt der Beitrag einen übermenschlichen Poker-Agenten für Heads-up Limit Texas Hold’em. Abschließend formuliert DeepMind das Ziel, die Fähigkeiten der Agenten weiterzuentwickeln und sie unter anderem im Gesundheitswesen gesellschaftlich nützlich einzusetzen.

Grenzen der Darstellung: Der Blogbeitrag liefert hier vor allem zusammengefasste Leistungsbehauptungen und nur knappe Hinweise auf Verfahren; detaillierte Versuchsbedingungen, Vergleichsdaten und unabhängige Bewertungen werden im Text nicht ausgeführt. Der bereitgestellte Text enthält den Artikel, endet aber im nachträglich ergänzten Abbildungsanhang mitten in Bildbeschreibungen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte zwei Zusammenfassungen (kurz und mittel); beide wurden geprüft, die mittlere ist inhaltlich deutlich vollständiger und ohne erfundene Angaben. Der Abbruch des Abbildungsanhangs mitten in Bildbeschreibungen ist im Bericht tatsächlich vorhanden und wurde korrekt benannt. Die Teilfragen-Liste war leer, daher gibt es dafür keine Einordnung. Die Anteilsangaben in Lunas Sammelfragen-Einordnung wurden nicht beurteilt, da der Bericht dazu keine Grundlage liefert.

Im Bericht, aber nicht in der Zusammenfassung

  • Erfahrungswiederholung (Replay) bei DQN zur Stabilisierung des Lernens
  • Verteiltes System Gorila und dessen Einsatz bei Google-Empfehlungssystemen
  • Selbstspiel-Training von AlphaGo mit Wert- und Strategienetz
  • Open-Source-Freigabe von DQN-Code und Labyrinth als Teil des Beitrags

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 37 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 74 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 28 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →