@Feenstaub ....

Wenn du willst, gebe ich dir gerne einen ausfuehrlicheren Bericht ueber das, was ich meine, allerdings stehen die Fachtermini auch in nahezu jedem Buch ueber hoehere Mathematik, nur dann meist wesentlich umfassender ... ^__^

Was das Anpassen von Parametern vs neue Algorithmen angeht, muss ich dir leider widersprechen ... ich halte sehr wohl die Neubewertung von Parametern fuer einen Vorgang der Lernfaehigkeit. Wenn du herausfindest, dass "Dallmayer Prodomo" besser schmeckt als "Jacobs Kroenung" (was ein Lerneffekt ist) hat diese Erkenntnis trotzdem ihren Wert (und Einfluss auf dein Verhalten), auch wenn du nicht den Algorithmus des Kaffeekochens veraenderst. Man wag vielleicht sogar soweit gehen und behaupten, dass das Sammeln von Erfahrungswerten einen wesentlich groesseren Anteil an unserem eigenen Lernen ausmacht, als die Variation von Algorithmen. Ein Bubblesort bleibt z.B. ein Bubblesort, egal in welcher Sprache man ihn schreibt. Das er dann aber auch konkret in der Sprache funktioniert, basiert einzig und allein auf deinem (Parameter)Erfahrungsschatz mit der jeweiligen Sprache. Ein einfacheres Beispiel waere, dass Stahl in der Regel haerter als Glas ist, Gummi jedoch nicht, weshalb man idR mit einem Stahlhammer ein Fenster einschlagen kann, nicht jedoch mit einem Gummihammer. Der Algorithmus ist in beiden Faellen der selbe, das Resultat ist ganz unterschiedlich. Wenn die KI anfangs diesen Unterschied nicht weiss, wird sie beide Varianten ausprobieren, und schliesslich zu dem Ergebnis kommen, es ist effektiver den Stahlhammer zu nehmen, wodurch sie etwas gelernt hat.

Ich denke, dass eine lernfaehige KI nicht unbedingt Algorithmen veraendern muss. Um sie als lernfaehig einzustufen ist das hinreichende Kriterium, dass sie ihre Spielparameter anpassen kann, um danach besser zu spielen.