Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten von Spektrum der Wissenschaft frei zugänglich.

Künstliche Intelligenz: Alpha Go – Computer lernen Intuition

Die neuen Go spielenden Programme scheinen so etwas wie menschliche Intuition zu besitzen – eine Errungenschaft mit weit reichenden Konsequenzen.
Beim Go-Spiel setzen die beiden Spieler abwechselnd einen Stein ihrer Farbe (schwarz beziehungsweise weiß) auf einen der 19·19 Schnittpunkte eines quadratischen Gitters. Im ersten Zug stehen also 361 Möglichkeiten zur Auswahl, danach entsprechend weniger, was immer noch weit mehr ist als die durchschnittlich 30 bis 35 Zugmöglichkeiten beim Schach.

Als 1997 der Computer "Deep Blue" von IBM den Schachweltmeister Garri Kasparow besiegte, galt das als Meilenstein in der Geschichte der künstlichen Intelligenz. Allerdings stellte sich bald heraus, dass mit der Technologie von Deep Blue über das Schachspielen hinaus nicht viel anzufangen war. Eine Revolution in der Computerwissenschaft hatte damals nicht stattgefunden.

Ist das bei "AlphaGo" anders, dem Programm, das im März 2016 Lee Sedol besiegte, einen der stärksten Go-Spieler der Geschichte? Ich glaube, ja. Aber nicht aus den Gründen, die in den ersten Stellungnahmen zu lesen waren: Go ist schwieriger als Schach; insbesondere ist die Anzahl der zulässigen Positionen um Klassen größer; niemand hatte erwartet, dass in den nächsten zehn Jahren ein Computer in dem fernöstlichen Brettspiel gewinnen könnte. Das ist alles richtig, trifft aber nicht die Kernfrage: Werden die technischen Entwicklungen, die AlphaGo seinen phänomenalen Erfolg verschafften, weitere Auswirkungen haben? In welcher Hinsicht sind diese Fortschritte qualitativ anders und bedeutender als im Fall Deep Blue?

Für das Schachprogramm war ein Konzept von zentraler Bedeutung, das schon die Anfänger lernen: der Wert einer Schachfigur. Ein Springer oder Läufer ist so viel wert wie drei Bauern. Ein Turm mit seinen größeren Zugmöglichkeiten entspricht fünf Bauern, und die Dame, die beweglichste aller Figuren, wird mit neun Bauern gehandelt. Der Wert des Königs ist unendlich, denn wenn er geschlagen wird, ist das gesamte Spiel verloren. Der Wert einer Figur hilft die Qualität denkbarer Züge einzuschätzen: Einen Läufer opfern, um einen gegnerischen Turm zu schlagen? Meistens eine gute Idee. Einen Springer und einen Läufer gegen einen Turm eintauschen? Besser nicht …

Januar 2018

Dieser Artikel ist enthalten in Spektrum der Wissenschaft Januar 2018

Kennen Sie schon …

45/2018

Spektrum - Die Woche – 45/2018

In dieser Ausgabe widmen wir uns Flüssen, der Teilchenphysik und den Pflanzen.

Künstliche Intelligenz - Wie Maschinen lernen lernen

Spektrum Kompakt – Künstliche Intelligenz - Wie Maschinen lernen lernen

Es ist schon lange keine Sciencefiction mehr: Maschinen lernen, teils komplett auf sich selbst gestellt, Dinge oder Prozesse, die bislang nur Menschen beherrschten. Doch wie funktioniert das? Was steckt hinter Begriffen wie maschinelles Lernen, deep learning und neuronale Netze?

Spezial Physik - Mathematik - Technik 3/2018

Spektrum der Wissenschaft – Spezial Physik - Mathematik - Technik 3/2018: Technik für morgen

Elektromobilität • Künstliche Intelligenz • Bitcoin • Autonomes Fahren • Quantencomputer • Blockchain • Neuronale Netze

Lesermeinung

3 Beiträge anzeigen

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen und Literaturtipps

Quellen

Gatys, L. A. et al.: A Neural Algorithm of Artistic Style..

Silver, D. et al.: Titel. In: Nature 529, S. 484-489, 28. Januar 2016

Literaturtipps

Mnih, V. et al.: Human-Level Control through Deep Reinforcement Learning. In: Nature 518, S. 529-533, 26. Februar 2015

Über das Netz, das die 49 Atari-Spiele zu beherrschen lernte

Szegedy, C. et al.: Intriguing Properties of Neural Networks.

Beschreibt, wie man ein neuronales Netz in die Irre führen kann