In den vergangen Jahren wurden von DeepMind, OpenAI und anderen enorme Fortschritte im Bereich des Reinforcement Learnings (RL) gezeigt. Ihre KIs erreichen in vielen Atarispielen, dem Chinesischen Brettspiel Go sowie Dota 2 und Starcraft bereits menschliche bis übermenschliche Fähigkeiten.

Ebenfalls haben die großen Deep Learning Frameworks im Bereich des Supervised Learnings in den vergangen Jahren bereits eine fortgeschrittene Reife und Nutzerfreundlichkeit erreicht. Beim Reinforcement Learning ist es dagegen nach wie vor schwierig ein Projekt aufzusetzen und noch schwieriger eine KI erfolgreich zu trainieren.

In diesem Talk werfen wir einen Blick auf das Framework TF-Agents, welches die Entwicklung von RL Lösungen mit TensorFlow 2.0 vereinfacht. Am Beispiel des Computerspieleklassikers Doom zeigen wir die relevanten Schritte um einer KI mit Hilfe von RL dieses Spiel beizubringen.