Deep Reinforcement Learning hat sich schnell zu einem der heißesten Forschungsbereiche im Deep Learning-Ökosystem entwickelt. Die Faszination des verstärkenden Lernens hängt mit der Tatsache zusammen, dass es von allen Modalitäten des tiefen Lernens diejenige ist, die dem menschlichen Lernen am ähnlichsten ist. In den letzten Jahren hat kein Unternehmen der Welt mehr für die Weiterentwicklung des Deep Reinforcement Learning getan als die Alphabet-Tochter DeepMind. Seit der Einführung seines berühmten AlphaGo-Agenten steht DeepMind an der Spitze der Forschung im Bereich des Verstärkungslernens. Vor einigen Tagen wurde eine neue Forschungsarbeit veröffentlicht, die sich mit einem der schwierigsten Aspekte von Reinforcement-Learning-Lösungen befasst: Multitasking. Die Fähigkeit, ähnliche Aufgaben gleichzeitig auszuführen und zu lernen, ist für die Entwicklung des menschlichen Geistes unerlässlich. Aus neurowissenschaftlicher Sicht bleibt Multitasking weitgehend ein Rätsel, und es überrascht nicht, dass wir uns mit der Implementierung von Agenten der künstlichen Intelligenz (KI), die effizient mehrere Bereiche erlernen können, ohne eine unverhältnismäßige Menge an Ressourcen zu benötigen, verdammt schwer tun. Diese Monographie ist eine übersichtliche Einführung in die DeepMind Learning Machine mit einfacher Theorie.