Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Künstliche Intelligenz: AlphaGo – 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 ...

Kennen Sie schon …

Spektrum MINT – Photovoltaik der Zukunft

Solarstrom erobert Balkone, Dächer und die Welt. Doch während Photovoltaik immer günstiger wird und für mehr Unabhängigkeit sorgt, warnt die Forschung. Für ein nachhaltiges Wachstum muss schon heute an eventuelle Ressourcenprobleme, neue Materialien und Recycling gedacht werden.

Spektrum der Wissenschaft – Wird KI uns überflügeln?

Künstliche Intelligenz ist bereits in vielen Bereichen im Einsatz und kann dabei viel Gutes bewirken. Ihre rasante Entwicklung schürt jedoch auch Ängste. Im Interview erläutert die Sozioinformatikerin Katharina Zweig die Grenzen der Technologie – und erklärt, warum KI den Menschen nicht ersetzt. Mit diesem Beitrag starten wir die Serie »Intelligenz aus zwei Welten«, die sich den facettenreichen Aspekten künstlicher Intelligenz widmet. Darüber hinaus enthält diese Ausgabe Beiträge zu mRNA-basierten Krebsimpfstoffen, die gegenwärtig in die klinische Anwendung kommen, zu Georg Cantors bedeutendstem mathematischen Werk, das sich als Plagiat erwiesen hat, sowie zu den Bemühungen des Artenschutzes um die letzten Orcas der Salish Sea.

Spektrum - Die Woche – DeepSeek erschüttert erneut die KI-Welt

»Die Woche« analysiert, wie das KI‑Modell DeepSeek die globale KI‑Landschaft verändert. Zudem: Warum die körperliche Fitness von Kindern und Jugendlichen seit Corona sinkt, weshalb Alltagsgespräche seltener werden und wie neue Verfahren der Quantenfehlerkorrektur Quantencomputer voranbringen.

  • Quellen und Literaturtipps

Quellen

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

Silver, D. et al.: Mastering the game of Go with deep neural networks and tree search. 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

Schreiben Sie uns!

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, Zuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Zuschriften 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 Teilnehmende sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Zuschriften können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

Bitte erlauben Sie Javascript, um die volle Funktionalität von Spektrum.de zu erhalten.