230186 Reinforcement Learning in der Sprachverarbeitung (S) (SoSe 2021)

Maschinelles Lernen ist ein zentrales Verfahren in der computerlinguistischen Forschung und vielen sprachtechnologischen Anwendungen. Verbreitet sind dabei besonders überwachte oder unüberwachte Lernverfahren, die beispielsweise Wortsequenzen in Texten vorhersagen. Diese Lernverfahren ignorieren aber, dass Sprecher ihre Äußerungen in konkreten Situationen produzieren (zum Beispiel in einem Dialog) und dabei nicht-sprachliche Ziele verfolgen. Reinforcement Learning (RL) ist ein Ansatz des maschinellen Lernens, der Aspekte des unüberwachten und überwachten Lernens mischt. Ziel ist es, Algorithmen für Agenten zu lernen, die durch Aktionen den Zustand einer Welt ändern können und dabei bestimmte Ziele erreichen sollen. Der Agent exploriert beim Lernen diese Welt und bekommt dabei lediglich ein indirektes Lernsignal, einen Reward, der den Erfolg einer Handlungssequenz repräsentiert. Der Kurs bietet eine kleine Einführung in die grundlegenden Konzepte von Reinforcement Learning und behandelt Anwendungen in der Sprachverarbeitung.

Literaturangaben

Eine Sammlung von Links und Folien findet sich auf den Webseiten zum Stanford University-Kurs von Emma Brunskill unter https://web.stanford.edu/class/cs234/index.html.