Flip It
Google ist es Anfang dieses Monats erfolgreich gelungen, Geschichte zu schreiben – in einem Moment, den einige als Meilenstein in der Zukunft der künstlichen Intelligenz bezeichnen würden. Was Google erreicht hat, ist die Beseitigung eines der letzten Überbleibsel menschlicher Exklusivität über die Maschine, als AlphaGo den Go-Champion Lee Sedol besiegte.
Die Konkurrenten:
AlphaGo ist ein Computerprogramm, das von dem in London ansässigen Unternehmen für künstliche Intelligenz Google DeepMind entwickelt wurde, um das Brettspiel Go zu spielen. Im Oktober 2015 war es das erste Computer-Go-Programm, das einen professionellen menschlichen Go-Spieler ohne Handicaps auf einem vollformatigen 19×19-Brett besiegte.
Lee Se-dol (geboren am 2. März 1983) ist ein südkoreanischer professioneller Go-Spieler mit dem Rang 9-Dan. Im Februar 2016 belegt er den zweiten Platz bei internationalen Titeln, nur hinter Lee Chang-ho, und gilt im letzten Jahrzehnt als der beste Spieler der Welt.
In einem Best-of-5-Match gelang es Sodol nur einmal, das Google-Programm zu besiegen – ein glatter Durchmarsch wurde in Match vier gerade noch verhindert. Der Sieg von AlphaGo reiht sich ein in die Reihe der Siege über Dame, das 1994 fiel, Schach 1997 und Jeopardy 2011. Nun, für diejenigen, die es nicht wussten, haben wir etwas Kontext dazu, was das alles bedeutet: Bis 2014 glaubten Experten, dass es für Computer aufgrund der nahezu unendlichen Möglichkeiten unmöglich sei, Go zu übertrumpfen.
Das Spiel wird komplex und das meinen wir schnell. Es gibt etwa 400 mögliche Züge im Schach nach der ersten Runde, im Go sind es unglaubliche 129.960. Bei jedem Zug in einer Schachpartie gibt es 35 mögliche Züge, bei Go 250. Eine typische Partie zwischen Experten dauert etwa 150 Züge, was bedeutet, dass es folgende Möglichkeiten gibt: 208168199381979984699478633344862770286522453884530548425639456820927419612738015378525648451698
519643907259916015628128546089888314427129715319317557736620397247064840935, Möglichkeiten in jedem Spiel.
Was, haltet euch fest, bedeutet, dass das beobachtbare Universum weniger Atome enthält als mögliche Kombinationen im Go-Spiel. Um das in etwas Verständliches zu übersetzen: Es gibt 32 Millionen Sekunden in einem Jahr, es würde über zwei Jahre dauern, 16 Stunden am Tag zu spielen, mit einem Zug pro Sekunde, um 47 Millionen Züge zu spielen, da dies 1048 ist – kein Computer wird voraussichtlich etwas annähernd die Billion Teraflops – ja, das ist eine Zahl – erreichen, die zum Sieg nötig sind.
Diese Idee war der Kern des Problems für alle Vorgänger von AlphaGo – es gab nicht genug Computerleistung, um eine Lösung für alle Züge zu finden; es würde eine nahezu unendliche Zeit dauern, jeden einzelnen Zug zu verarbeiten. Um einen Weltklasse-Menschenspieler zu schlagen, müsste das AlphaGo-Programm tatsächlich lernen, wie man spielt, und dann in Spielen gegen Menschen adaptiv spielen – was ziemlich dem Denken und Problemlösen ähnelt.
Dazu verwendet AlphaGo zwei Arten von KI-Technologie:
- Monte-Carlo-Baumsuche: Dies beinhaltet die zufällige Auswahl von Zügen und die Simulation des Spiels bis zum Ende, um eine Gewinnstrategie zu finden.
- Tiefe neuronale Netze: Ein 12-Schichten-Netzwerk aus neuronähnlichen Verbindungen, das aus einem „Policy-Netzwerk“ besteht, das den nächsten Zug auswählt, und einem „Value-Netzwerk“, das den Gewinner des Spiels vorhersagt.
Vor 2.500 Jahren im alten China entstanden, ist Go ein Zeitvertreib, der von Kaisern und Generälen geliebt wurde. Go wirkte einfach – anfangs nur ein Brett; zwei Spieler; zwei Steine. Spieler eins verwendet schwarze Steine, während Spieler zwei weiße Steine verwendet – jeder Spieler wechselt sich ab, um Territorium zu erobern. Wie Schach ist es ein deterministisches Spiel mit perfekter Information, was bedeutet, dass der beste Spieler immer gewinnt – es gibt nichts Verborgenes und keine Zufallselemente.
Um Ihnen zu zeigen, wie schnell sich KI entwickelt hat: Als Kasparow 1994 von IBMs Deep Blue besiegt wurde, konnten Go-Programme nicht einmal einen soliden Amateur schlagen.
AlphaGo wurde nicht mit guten und schlechten Zügen programmiert, sondern hat eine Datenbank von Online-Go-Partien studiert, was ihm die Erfahrung von 80 Jahren ununterbrochenem Go-Spielen verschafft hat.
Die AlphaGo-Ingenieure fütterten das Programm mit rund 30 Millionen Kombinationen oder Zügen und spielten dann Tausende von Partien gegen sich selbst. Das bedeutet, dass AlphaGo, anstatt jedes Mal Millionen von Zügen zu bedenken, den optimalen Zug sehr schnell eingrenzen kann.
Tatsächlich nutzte Sedol dies im 4. Spiel zu seinem Vorteil, indem er einen ungeschickten Zug namens „der Keil“ spielte, der so viele Möglichkeiten offenließ, dass er AlphaGo verwirrte und Sedol den Sieg ermöglichte. Es schien auch aus den ersten Austauschen, dass Sedol das 5. und letzte Spiel gewonnen hatte, aber obwohl er tapfer spielte, erlag er schließlich der überlegenen technischen Stärke von AlphaGo.
Dies bedeutet auch eine interessante Zukunft für das DeepMind-Programm – da es noch lange nicht perfekt ist.
Das Go-Spiel ähnelt etwas wie Solitaire.