Konferenz mit Keynote von Richard Sutton

Kollegiat Markus Leyser (BR3: Automatisierte und Interpretierbare Modellierung des Energiemarkts mit Hilfe Maschineller Lernverfahren) besuchte die Conference on Reinforcement Learning 2022 Dresden (https://sites.google.com/view/rlconferencedresden/home) auf der Informatiker Richard Sutton zu multidisziplinärem Forschen mit Reinforcement Learning-Bezug präsentierte und dabei den Reinforcement Learning-Ansatz zu Intelligenz (engl. The Reinforcement Learning Approach to Intelligence) vorstellte. Die Grundidee des Reinforcement Learning ist, dass ein Agent in normaler Interaktion mit der Umgebung lernt, eine durch die Interaktion erhaltene Belohnung zu maximieren, wobei der Zustand, in dem sich die Umgebung befindet, berücksichtigt wird. Der kanadische Forscher ist Professor für Informatik an der University of Alberta und Distinguished Research Scientist bei DeepMind Alberta. Er ist einer der Begründer des modernen Reinforcement Learning und leistete bedeutende Beiträge, unter anderem zum Temporal Difference Learning und Policy-Gradients-Methoden. Vielen ist er zudem als Ko-Autor des Standardwerks Reinforcement Learning: An Introduction bekannt.

In seinem Vortrag ging er unter anderem darauf ein, wie die Kommunikation zwischen Forschenden aus dem Bereich Reinforcement Learning und angrenzenden sowie Anwendungsdisziplinen verbessert werden kann. Hierzu zählen unter anderem Robotik, Psychologie, weitere Felder des Machine Learning, und die Wirtschaftswissenschaften. Seiner Ansicht nach werden Kommunikation und Kooperation Angehöriger verschiedener Disziplinen in erster Linie durch disziplinspezifische Modellwelten erschwert. Er fordert, ein gemeinsames Basismodell für einen Agenten zu entwickeln, das die Disziplinen verbindet. Er geht somit über die generelle Forderung hinaus, Unterschiede im jeweiligen Fachvokabular zu erkennen.

Sutton ordnet diese Forderung in seinen Forschungsansatz zu künstlicher Intelligenz (KI) ein, den sogenannten Alberta Plan, Dieser zielt darauf ab, ein grundsätzliches Verständnis des KI-Teilgebietes Computational Intelligence zu schaffen. Ein Preprint ist bei arXiv zu finden (https://arxiv.org/abs/2208.11173):

Sutton, R. S., Bowling, M. H., & Pilarski, P. M. (2022). The Alberta Plan for AI Research. arXiv preprint arXiv:2208.11173.