Studie zeigt, wie KI verborgene Regeln durch Trial-and-Error lernt
Ein arXiv-Paper untersucht die Fähigkeit von KI, unbekannte Spielregeln zu erschließen und Gelerntes zu übertragen.
Auf arXiv wurde die Forschungsarbeit „AI Learning and Conceptual Transfer in the Game of Hidden Rules“ (arXiv:2608.21372v1) veröffentlicht. Als Testumgebung dient das sogenannte „Game of Hidden Rules“ (GOHR).
Die Studie untersucht, wie Reinforcement-Learning-Agenten (RL) verborgene Regeln rein auf Basis von Versuch und Irrtum ableiten können. Im Fokus stehen dabei Representation Design, Regelschwierigkeit, Transfer Learning sowie Generalisierung.
Technisch nutzt das Forschungsteam eine Transformer-basierte A2C-Architektur (Advantage Actor-Critic) und vergleicht Feature-Centric- mit Object-Centric-Repräsentationen. Zudem werden die Ergebnisse mit dem Lernverhalten von Menschen unter Zuhilfenahme von Pseudo-Bots verglichen.
Die Arbeit liefert wichtige Erkenntnisse darüber, wie KI-Modelle sich flexibel an unklare Bedingungen anpassen und Wissen übertragen können – ein entscheidender Schritt hin zu menschenähnlicherer Generalisierungsfähigkeit.