Reinforcement Learning ist eine Art von maschinellem Lernen, bei der ein Computer lernt, Entscheidungen zu treffen, indem er ausprobiert und aus seinen Erfahrungen lernt.
Man kann es sich vorstellen wie ein Spiel, bei dem der Computer eine Aktion auswählt und dafür eine Belohnung oder Strafe bekommt.
Das Ziel ist, durch viele Versuche herauszufinden, welche Aktionen am besten sind, um möglichst viele Belohnungen zu erhalten.
Zum Beispiel kann ein Roboter lernen, wie er sich in einem Raum bewegt, indem er ausprobiert, was funktioniert und was nicht.
So wird das System immer besser darin, gute Entscheidungen zu treffen, auch wenn es vorher nicht genau wusste, was richtig ist.