Googles AlphaGo gewinnt die zweite Runde gegen Go-Meister
Dieser Artikel ist älter als ein Jahr!
Nachdem der südkoreanische Go-Meisterspieler Lee Sedol überraschend das Auftakt-Match gegen Googles AlphaGo verloren hat, triumphiert jetzt auch in der zweiten Runde die Maschine über den Mensch. Damit steht es 2:0 für die künstliche Intelligenz. Demis Hassabis, CEO von DeepMind, dem Google-Unternehmen hinter AlphaGo, kommentierte den Sieg auf Twitter:
Im Gegensatz zur ersten Runde nahm sich Lee Sedol für seine Züge mehr Zeit, die Partie ging in die Verlängerung. In der letzten Phase der Verlängerung gab Sedol auf.
Morgen findet ein Ruhetag statt, Runde 3 wird am Samstag, 11. März 2016 stattfinden. Die Live-Übertragung startet um 4:30 früh (MEZ).
Alt und komplex
Das chinesische Brettspiel Go ist über 2000 Jahre alt. Trotzdem ist es nach wie vor eine der größten Herausforderungen für Computer-Programme. Das liegt daran, dass es viel mehr mögliche Positionen als bei Schach gibt – in Zahlen ausgedrückt wäre es eine Eins mit 171 Nullen. Durch die Komplexität von Go ist es für Computer kaum möglich mehrere Züge vorherzusehen, wie es bei Schach üblich ist. Die besten Go-Spieler der Welt geben an, intuitiv zu spielen – das können Maschinen nicht.
Um Go zu erlernen, hat AlphaGo 30 Millionen Positionen von Partien zwischen menschlichen Spielern studiert. Auf deren Basis spielte die AlphaGo gegen sich selbst, um neue Strategien zu erlernen. Danach spielte sie gegen die Go-Programme anderer Hersteller und besiegte im Herbst 2015 den Europameister Fan Hui.
Künstliche Intelligenz
AlphaGo ist eine künstliche Intelligenz anstatt bloß ein Supercomputer. DeepMind, das 2014 von Google gekaufte Unternehmen hinter AlphaGo, beschreibt den Unterschied so: „Es basiert nicht auf brachialer Leistung, sondern auf Vorstellungskraft.“
Bei AlphaGo arbeiten zwei neurale Netzwerke zusammen. Das erste reduziert Hunderte mögliche Züge auf eine Handvoll. Das zweite berechnet für diese Auswahl das Spielgeschehen für 20 Züge im Voraus und wählt die beste Option. Nur so ist es möglich, innerhalb des Zeitlimits nach Turnierregeln einen Zug zu berechnen. Damit die Software die gewaltige Menge aller möglichen Varianten und deren Folgen errechnen könnte, wäre eine unglaubliche große Computerleistung erforderlich .
Das Ziel von DeepMind ist, die durch AlphaGo gewonnen Erkenntnisse zu nutzen, um neue künstliche Intelligenzen zu entwickeln. Diese sollen weniger Rechenleistung benötigen, dadurch schneller lernen und vielfältiger einsetzbar sein als bisherige Lösungen.
Kommentare