Sie entwickeln ein Lernspiel, das einfache Wahrscheinlichkeitsfragen beantworten muss, wie zum Beispiel: „Ein Glas enthält 6 rote, 4 grüne und 3 gelbe Murmeln. Wie hoch ist die Wahrscheinlichkeit, eine grüne Murmel zu ziehen?“ Welcher Ansatz erfüllt die Anforderung mit dem geringsten Betriebsaufwand?

Die Implementierung von einfachem regelbasiertem Code ist die effizienteste Lösung, da die Wahrscheinlichkeit direkt aus den gegebenen Werten (Anzahl der grünen Murmeln geteilt durch die Gesamtzahl der Murmeln) berechnet werden kann. Dies erfordert keinen Trainingsdatensatz, keine komplexen Modelle und hat den geringsten Betriebsaufwand. Ein überwachtes Regressionsmodell wäre überdimensioniert und würde Trainingsdaten benötigen, um eine einfache arithmetische Berechnung zu lernen. Reinforcement Learning ist für Entscheidungsfindung in komplexen Umgebungen gedacht und ungeeignet für eine direkte Wahrscheinlichkeitsberechnung. Unüberwachtes Lernen zur Schätzung der Wahrscheinlichkeitsdichte wäre ebenfalls zu komplex und nicht direkt anwendbar, da die genauen Werte bereits bekannt sind.