Von Ralf Keuper
Die Zahl der Bastionen, die von Menschen erfolgreich gegen Maschinen verteidigt werden, schrumpft unaufhaltsam. Mit dem asiatischen Brettspiel Go ist nun eine weiterer Gebietsverlust eingetreten. Erst gestern gelang dem Computer AlphaGo der dritte Sieg gegen den amtierenden Weltmeister Lee Sedol. Damit hat AlphaGo, der selbstlernende Computer von Google, das Kräftemessen für sich entschieden, da nur fünf Runden vorgesehen sind. Nachdem er sich noch vor kurzem siegessicher zeigte, war Sedol nach der ersten Niederlage bereits zerknirscht:
Bereits nach dem ersten Sieg des Computers am Mittwoch hatte sich Lee “geschockt” über die überraschenden Spielzüge von AlphaGo gezeigt. Einige von ihnen hätte kein Mensch so gemacht, sagte der Südkoreaner.
In dem informativen Beitrag Maschinen wie wir gewährt Patrick Illinger einen tieferen Einblick in den aktuellen Status der Auseinandersetzung zwischen Mensch und Maschine.
Über die Strategie von Googles AlphaGo schreibt er:
Googles Alpha Go hat nach den Berichten seiner Entwickler rund 13 Millionen Go-Partien aus den Datenbanken durchgekaut und mit insgesamt 13 Schichten analysiert. So hat das Programm Großmeister-Niveau erreicht. Danach spielte die Software noch Millionen Partien gegen Varianten ihrer selbst, um festzustellen, welche Strategien erfolgreichsten sind. Das erinnert an den Dr. B. aus Stefan Zweigs “Schachnovelle”. Als er in Isolationshaft ein Buch mit Schachpartien in die Hände bekommt, lernt er dies zunächst auswendig. Dann lässt er mit zunehmender Intensität seine beiden Gehirnhälften Partien gegeneinander spielen. Doch Alpha Go ist Dr. B. weit voraus. Ein fleißiger Mensch schafft vielleicht 1000 Partien im Jahr, der Computer schafft das in Sekunden. Er lernt ungleich intensiver – und kann sich alles merken.
Da war der Sieg nur eine Frage der Zeit, obschon er deutlich früher eingetreten ist, als einige Experten angenommen haben.
Die Auswirkungen, die das sog. Deep Learning auf unseren Alltag hat, sind derzeit noch nicht abzuschätzen; sie dürften allerdings weitreichend sein, oder wie es in dem Beitrag heisst:
Die Implikationen von Deep Learning sind gewaltig. Nicht nur für Brettspiele, sondern für jede Form von Mustererkennung und viele Arten von Wissensarbeit an sich. Schon bald könnten Übersetzer, Pathologen, Mitarbeiter von Call Centern weitgehend durch Computer ersetzt werden. Ihre Kunden werden es vielleicht so wenig merken wie der Go-Europameister Fan Hui: “Wenn es mir niemand erzählt hätte, dann hätte ich meinen Gegner für einen etwas seltsamen aber starken Gegner gehalten. In jedem Fall aber für einen Menschen.” Und die Entwicklung wird weitergehen: Irgendwann werden die Computer womöglich auf Ideen kommen, von denen niemand weiß, wie sie entstanden sind und was sie bewirken werden.
In dem gleichfalls lesenswerten Beitrag Endspiel aus derselben Ausgabe der SZ berichtet Kai Kupperschmidt u.a. über die Forschungen von Demis Hassabis, Gründer des Startups Deep Mind, das von Google für 500 Millionen Euro übernommen wurde. Im Februar 2015 berichteten Hassabis uns seine Kollegen in der Zeitschrift Nature von einem Algorithmus, der nach kurzer Zeit gelernt hatte, Atari-Computerspiele auf demselben Niveau wie Menschen zu spielen:
In seinen Vorträgen zeigt Hassabis gern Videos, welche die Leistung des Programms illustrieren. Bei Breakout zum Beispiel muss der Spieler eine Wand zerstören, indem er immer wieder einen Ball dagegen prellt. Nach einhundert Spielen ist die Leistung wenig beeindruckend. “Man bekommt vielleicht den Eindruck, dass das System gerade zu verstehen beginnt, dass es das Paddel zum Ball bewegen muss”, sagt Hassabis. Nach 300 Spielen spielt das Programm schon besser als ein Mensch. Nach 500 Spielen hat das Programm die optimale Strategie entdeckt: Die Wand an einer Seite zu durchbrechen, sodass der Ball die Wand von der Rückseite zerstören kann. Die Strategie war manchen Spielern bekannt, nicht aber den Programmierern, sagt Hassabis. “Das Programm, das sie geschrieben haben, hat ihnen etwas Neues beigebracht.”
Zu den prominentesten Kritikern der Künstlichen Intelligenz gehören der Linguist Noam Chomsky, der seine Haltung u.a. in dem Beitrag Noam Chomsky on Where Artificial Intelligence Went Wrong begründet hat und der Informatiker David Gelernter, der seine Sicht in seinem neuen Buch “Gezeiten des Geistes” darlegt.
Weitere Informationen:
Wie Deep Learning Games verändern kann
Die KI-Revolution: Vom Siegeszug der lernenden Software
Künstliche Intelligenz: Härter als gegen Deep Blue
Artificial intelligence and language
Was alle am Triumph von Googles Künstlicher Intelligenz falsch verstehen
Deep Learning Is Going to Teach Us All the Lesson of Our Lives: Jobs Are for Machines
[…] Intelligenz in der letzten Zeit gelungen sind, können sich sehen lassen, was auf diesem Blog in Künstliche Intelligenz erobert asiatische Brettspiel Go thematisiert wurde. Zu Beginn des Jahres, so ist in dem erwähnten FAZ-Beitrag zu erfahren, gelang […]