Reinforcement Learning ist ein besonders spannendes Feld der Robotik. Es nutzt Kenntnisse des menschlichen Denkprozesses, um Roboter zu trainieren. Roboter lernen, Entscheidungen zu treffen, um maximale Belohnungen zu erzielen, sprich: maximalen Erfolg zu haben. Roboter streben danach, ihre Leistung zu optimieren und kontinuierlich zu verbessern. In einem interaktiven Trainingsprozess erlangt der Roboter Kenntnisse darüber, welche Handlungen dazu führen, eine Aufgabe zu lösen und welche nicht. Direktes Feedback belohnt oder bestraft den Roboter für jede Handlung. Im Verlauf dieses interaktiven Prozesses entwickelt der Roboter ein trainiertes neuronales Netzwerk, ähnlich wie der Mensch durch Erfahrung lernt und Synapsen bildet. Der gesamte Workflow des Reinforcement Learning ist also ein iterativer Lernprozess 

Risk Adaptive Protection kann man als evolutionäre Weiterentwicklung der Threat Intelligence-Plattformen und –Services sehen. Ursprünglich als Antwort auf die sogenannten Advanced Persistent Threats (APT) gedacht, die schwer zu erkennen und abzuwehren waren, kommt nun die Antizipation derselben hinzu.
>> Zur ausführlichen Erklärung

 

Von Robotic process automation (RPA) spricht man, wenn grundlegende Aufgaben durch Software- oder Hardwaresysteme automatisiert werden. Der Software oder dem Roboter kann ein Arbeitsablauf mit mehreren Schritten und Anwendungen beigebracht werden, z. B. die Entgegennahme eingehender Formulare, das Versenden einer Empfangsnachricht oder die Prüfung eines Formulars auf Vollständigkeit. RPA-Software wurde entwickelt, um die Belastung der Mitarbeiter bei der Erledigung sich wiederholender, einfacher Aufgaben zu verringern.