KI lernt Intuition – DeepStack durchschaut Spieler

KI News Grafik

Künstliche Intelligenz gibt es schon lange. Als veranschaulichendes Beispiel dringen wir kurz in die Geschichte des Computerschachs ein. Unter dem Stichwort Levy-Wette reisen wir zurück in das Jahr 1968. Der schottische Internationale Meister David Levy wettete mit befreundeten Informatikern, dass es keine Maschine in den nächsten zehn Jahren schafft ihn zu schlagen. Er gewann die Wette und damit 1250 Pfund. Im Überschwung des Sieges verlängerte er die Wette um weitere zehn Jahre und wurde 1988 vernichtend von dem Programm „Deep Thought“ 0 zu 4 geschlagen. Was soll uns das sagen? Nun ja, die Entwicklung künstlicher Intelligenz reizt den Menschen schon seit mehreren Jahrhunderten, doch noch nie war man annähernd so weit wie in den letzten Jahren! Neuronale Netzwerke bringen sich mittlerweile selbst Schach bei oder können anhand von Gesichtsausdrücken die Stimmung des Menschens dahinter erkennen. 1994 rückte dieses Bewusstsein entgültig in die breite Öffentlichkeit, als der Schachweltmeister Garri Kasparow bei einem Schnellturnier gegen „Chess Genius“ mit 0,5 zu 1,5 verlor. Auch wenn Poker bei weitem nicht so kompliziert ist und taktisch versiert wie Schach, ist jedoch eine entscheidende Fähigkeit von großer Wichtigkeit: Intuition. Das „Durchschauen“ von Spielern ist wichtig, was bisher nur Menschen möglich war. Der Computer „DeepStack“ hat das nun gelernt.

Informationssymmetrie ist unwichtig

Schach oder das chinesische Traditionsspiel „Go“ bestehen aus einer gewissen Informationssymmetrie. Das bedeutet, dass ein Computer „nur“ über eine gewisse Rechenleistung verfügen muss um über möglichst viele Spielzüge pro Sekunde „nachdenken“ zu können. Er rechnet alle Züge durch und wählt den mit der prozentual höchsten Chance zu gewinnen. Beim Poker kommt es jedoch auf spontanes, intuitives Handeln an, wozu Computer bisher nicht in der Lage waren. Matej Moravcik und Kollegen der University of Alberta haben diese Fähigkeit nun in ein System eingepflanzt. Wichtig ist die Intuition deshalb, weil Poker ein Spiel mit unvollständigen Informationen ist. Kein Spieler hat das Wissen eines anderen Spielers, da jeder unterschiedliche Karten hat. Forscher des Magazins „Science“ rechnen Poker eine noch höhere Spielkomplexität zu als dem Spiel Go, das bereits mehr als 10 hoch 160 Entscheidungspunkte hat. Die Intuition macht es jedem Computer schwer zu gewinnen, die Lern- und Rechenanforderungen sind deshalb sehr kompliziert.

Seniorautor Michael Bowling erklärt, dass DeepStack über ein neuronales Netzwerk von Hand zu Hand besser lernt wie Poker funktioniert. Es spielt jede Runde ohne sich über den weiteren Verlauf des Spiels Gedanken zu machen. Dadurch lernt es für die verschiedensten Situationen, welche Reaktion die beste sein könnte. Mit anderen Worten, DeepStack lernt wie ein aufwachsendes Kind was Intuition ist und bringt es sich selbst bei. Die Forscher sind sich einig, dass DeepStack den Turing Test bestehen würde, könnte er über ein Pokerspiel gemessen werden.

Der Turing Test wurde 1950 von dem britischen Mathematiker und Logiker Alan Turing vorgeschlagen. Der Test dient dem Vergleich, ob eine Maschine das gleiche Denkvermögen hat wie ein Mensch. Dafür führt eine Person per Tastatur und mit verbundenen Augen eine Konversation mit zwei Gesprächspartnern. Beide Gesprächspartner versuchen die Testperson davon zu überzeugen, dass sie denkende Menschen sind. Kann die Person am Ende des Gesprächs nicht sagen wer die Maschine ist, gilt der Test für den Computer als bestanden.

Künstliches Neuronales Netz

Grund für die bahnbrechenden Entwicklungen ist das künstliche neuronale Netz. Nicht nur, aber größtenteils. Als Bereich der Neuroinformatik beschäftigt sich der Zweig der künstlichen Intelligenz mit der Erschaffung eines funktionsfähigen neuronalen Netzes unter biologischem Vorbild. Und das klappt erstaunlich gut. Zwar liegt der Fokus mehr auf der Abstraktion oder der Modellierung von Informationsverarbeitung und weniger auf der genauen Nachbildung eines menschlichen Neuronennetzes, doch die Lernfähigkeit eines solches neuronalen Models ist unglaublich! So ist es zum Beispiel Robotern auf dem Mars (sogenannte „Agenten“) nicht immer möglich durch die installierte Programmierung die richtige Entscheidung zu treffen. Keiner der Wissenschaftler kann vorhersehen auf was für Gefahren ein solcher Agent bei einer Marsmission trifft. Entsprechend wird dem Agenten eine Reihe von Aufgaben gestellt, die er lösen soll. Beispielsweise schwere Strecken meistern ohne umzufallen oder den besten Weg zu wählen. Anschließend wird der Agent bewertet und kann auf der Basis dieser Bewertung eine neue Funktion lernen.

Es ist mittlerweile sehr menschennah. Durch eine Art positive Verstärkung kann dem System gezeigt werden, was richtig ist und was falsch. So wie einem Kind. Schach, Go und Poker sind dabei nur Spielereien verschiedener Forscher. KI findet sich in vielen alltäglichen Gegenständen wieder wie Fahrassistenten, selbstfliegende Drohnen oder natürlich PC-Spielen. Was es noch so in Sachen KI Neues gibt, stellt der Internetgigant Google auf der hauseigenen I/O-Messe vor. Künstliche Intelligenz wird in den nächsten Jahren mehr und mehr in unseren Alltag vorrücken. Unsere Handys werden uns bald sagen können, wie wir uns fühlen und was uns bedrückt. Beängstigend und faszinierend zugleich!

Beliebte Beiträge

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Bitte füllen Sie dieses Feld aus.
Bitte füllen Sie dieses Feld aus.
Bitte gib eine gültige E-Mail-Adresse ein.
Sie müssen den Bedingungen zustimmen, um fortzufahren.

Ähnliche Beiträge
Menü