Letztes Jahr hat ein künstliches Intelligenzprogramm namens AlphaGo, das vom DeepMind-Team von Google entwickelt wurde, einen menschlichen Champion bei Go besiegt, einem alten chinesischen Strategiespiel, das in vielerlei Hinsicht komplexer ist als Schach. Wie Emily Matchar damals für Smithsonian.com berichtete, war es eine erstaunliche Leistung, da einige Leute 1997 voraussagten, dass ein Computer 100 Jahre brauchen würde, um einen Menschen bei Go zu schlagen.
Während das Kunststück beeindruckend ist, lernte AlphaGo, das Spiel zu spielen, indem es frühere Spiele analysierte, die von Menschen gespielt wurden. Aber wie Merrit Kennedy von NPR berichtet, hat eine neue Version der künstlichen Intelligenz namens AlphaGo Zero herausgefunden, wie man das Spiel ohne menschliche Eingaben oder Manipulationen beherrscht - ein Fortschritt, der große Auswirkungen auf die zukünftige KI-Entwicklung hat.
Laut einer Pressemitteilung von DeepMind haben frühere Versionen von AlphaGo gelernt, das Spiel zu spielen, indem sie Spiele zwischen professionellen und starken Amateurspielern studiert haben, die Spielregeln und erfolgreiche Spielstrategien aufgegriffen haben. AlphaGo Zero hat sich jedoch keine von Menschen gespielten Spiele angesehen. Stattdessen wurden die Regeln des Spiels vorgegeben und dann gegen sich selbst gespielt. Dabei wurde mithilfe des verstärkenden Lernens gelernt, wie man richtige und falsche Bewegungen und langfristige Strategien beibringt. Während die KI das Spiel spielte, aktualisierte sie ihr fortschrittliches neuronales Netzwerk, um die Bewegungen ihres Gegners besser vorhersagen zu können.
Die Forscher beobachteten, wie die KI das Spiel in Echtzeit beherrschte. Nach drei Tagen konnte es eine frühere Version namens AlphaGo Lee besiegen, die 2016 in 4 von 5 Spielen den koreanischen Go-Meister Lee Sedol besiegte der weltbeste Spieler Ke Jie Anfang dieses Jahres. Die neueste Version hat AlphaGo Master 100-Spiele auf 0 geschlagen. Nach 40 Tagen erreichte sie ein Spielniveau, das noch niemand zuvor gesehen hat. Die Forschung erscheint in der Zeitschrift Nature.
"In kurzer Zeit hat AlphaGo Zero das gesamte Go-Wissen verstanden, das der Mensch in Tausenden von Jahren gesammelt hat", sagt der leitende Forscher David Silver von Googles DeepMind in einem Youtube-Video. "Manchmal ist es tatsächlich so gewählt, dass es darüber hinausgeht und etwas entdeckt, was die Menschen in dieser Zeit noch nicht einmal entdeckt haben, und neue Erkenntnisse, die in vielerlei Hinsicht kreativ und neuartig sind."
Wie die Agence France-Presse berichtet, hat AlphaGo Zero dieses Niveau wesentlich effizienter als seine Vorgänger erreicht. Während die vorherige Iteration 48 Datenverarbeitungseinheiten umfasste und über mehrere Monate hinweg 30 Millionen Trainingsspiele absolvierte, verfügte Zero nur über 4 Verarbeitungseinheiten und absolvierte drei Tage lang 4, 9 Millionen Trainingsspiele. "Die Leute neigen dazu anzunehmen, dass maschinelles Lernen nur mit Big Data und großem Rechenaufwand zu tun hat. Tatsächlich haben wir bei AlphaGo Zero jedoch festgestellt, dass Algorithmen viel wichtiger sind", sagt Silver gegenüber AFP.
Bei der Forschung geht es jedoch um mehr als nur um das Meistern eines Brettspiels. Wie Ian Sample von The Guardian berichtet, könnte diese Art von Tabula Rasa (leerer Schiefer) zu einer neuen Generation von künstlicher Intelligenz für allgemeine Zwecke führen, die dazu beitragen könnte, Probleme in Bereichen zu lösen, die in einem Computer gut simuliert werden können, beispielsweise bei der Zusammensetzung von Arzneimitteln, Proteinfaltung oder Teilchenphysik. Indem sie ihr Wissen von Grund auf ohne menschliche Vorurteile oder Einschränkungen aufbauen, könnten die Algorithmen in Richtungen gehen, in die Menschen bisher nicht gedacht haben, zu schauen.
Während viele Leute in der KI-Community AlphaGo Zero als große Errungenschaft ansehen, sagt Gary Marcus, Psychologieprofessor an der New York University, der sich auf künstliche Intelligenz spezialisiert hat, NPRs Kennedy, dass er den Algorithmus nicht für wirklich tabula rasa hält, weil vorher menschliches Wissen vorhanden war in die Konstruktion des Algorithmus. Er glaubt auch nicht, dass tabula rasa AI so wichtig ist, wie es scheint. "In der Biologie sind die tatsächlichen Gehirne des Menschen keine tabula rasa ... Ich verstehe nicht den theoretischen Hauptgrund, warum Sie das tun sollten, warum Sie viel Wissen, das wir über die Welt haben, aufgeben sollten", sagt er.
Trotzdem ist die schnelle Beherrschung des Spiels durch Alpha Go beeindruckend - und ein bisschen beängstigend.
