Die Homepage wurde aktualisiert. Jetzt aufrufen.
Hinweis nicht mehr anzeigen.

Go-Turnier Mensch gegen Maschine: "Spielzüge, die ein Mensch nie machen würde"

Von

Go-Spieler (chinesische Porzellanfigur) Zur Großansicht
hebsacker-verlag.de

Go-Spieler (chinesische Porzellanfigur)

Der derzeit weltbeste Spieler des asiatischen Brettspiels Go hat zum zweiten Mal gegen eine Google-Software verloren. Go-Profis weltweit sind fassungslos - auch angesichts der Spielweise der Künstlichen Intelligenz.

Am Telefon klingt Young Sun Yoon niedergeschlagen. "Wir sind total schockiert und traurig", sagt die südkoreanische Go-Spielerin. Yoon führt gerade ein Go-Seminar mit deutschen Spielern durch und hat in den vergangenen zwei Tagen mit ihren Schülern die Partien zwischen dem derzeit wohl weltbesten menschlichen Go-Spieler Lee Sedol und der Software AlphaGo analysiert. "AlphaGo ist sehr, sehr gut", sagt Profispielerin Yoon leise. Zweimal hat die Software schon gesiegt.

Ob Lee noch eine Chance hat gegen die Künstliche Intelligenz der Google-Tochter Deepmind? "Hoffentlich kann er noch einmal gewinnen", sagt sie - wirklich zuversichtlich klingt sie nicht. Die internationale Go-Szene steht unter Schock.

Fotostrecke

5  Bilder
Spielregeln einfach erklärt: So geht Go
Yoon hat sich mit anderen Profis in Korea über die zwei Partien unterhalten. Einigkeit herrscht in zwei Punkten: Lee hat nicht schlecht gespielt, wenn auch vielleicht in der zweiten Partie etwas zu zaghaft. Vor allem aber macht "AlphaGo manchmal sehr merkwürdige Züge, Spielzüge, die ein Mensch nie machen würde". Vor dem Turnier waren die Profis noch überwiegend zuversichtlich gewesen, dass Lee gewinnen würde.

"Dieser Zug war genial"

Nach der Partie am Mittwoch sagte Lee, er habe zwar nie das Gefühl gehabt, die Oberhand zu haben. Anfangs aber lag er sogar in Führung. Dann machte AlphaGo diesen einen Zug. Einen Zug, "den kein Mensch je erwartet hätte", sagt Yoon. "Dieser Zug war genial", fügt sie hinzu. Die Software habe damit "Lee Sedols Spiel kaputtgemacht".

Gut möglich, sagt Yoon, dass AlphaGos Strategie die Art verändert, wie Menschen künftig Go spielen. Denn solche unorthodoxen Züge gab es in den zwei Partien noch mehr. Das Programm, das doch von Menschen entwickelt und zunächst anhand menschlicher Partien trainiert worden ist, verhält sich jetzt manchmal so, wie seine eigenen Schöpfer und Lehrmeister es nie tun würden. Und es gewinnt.

AlphaGo vs. Lee Sedol
  • Corbis
    Der wohl weltbeste Go-Profi Lee Sedol spielt fünf Partien gegen die Deepmind-Software AlphaGo. Ausgetragen werden die Partien am 9., 10., 12., 13. und 15. März im Four Seasons Hotel in Seoul, Südkorea. Die Partien beginnen jeweils um fünf Uhr morgens deutscher Zeit und werden bei YouTube als Livestream übertragen.
Schockiert sind die Go-Profis rund um die Welt auch deshalb, weil AlphaGo noch im Oktober, als die Software den europäischen Go-Champion Fan Hui schlug, noch viel schlechter gespielt hatte. "Es ist unglaublich viel stärker geworden", sagt Yoon.

AlphaGo basiert zu einem wesentlichen Teil auf künstlichen neuronalen Netzen (siehe Kasten unten), und die werden mit Training immer besser. AlphaGo hat sich binnen fünf Monaten von sehr gutem Amateurniveau an die absolute Weltspitze trainiert - indem es immer wieder gegen sich selbst spielte.

Einer jedenfalls gibt sich kämpferisch: Der 20-jährige Chinese Ke Jie, der Lee kürzlich zweimal schlagen konnte, hat AlphaGo dem chinesischen Staatsfernsehen zufolge "den Krieg erklärt". Ke Jie wäre selbst gern gegen die Software angetreten und verkündet nun: "Auch wenn AlphaGo Lee geschlagen hat, wird es mich nicht besiegen." Eine Herausforderung von Deepmind würde er "definitiv annehmen", erklärte der junge chinesische Profi schon einmal vorsorglich.

Alpha Go "wusste", dass es das Spiel gewinnen würde

Ein bisschen hat der bisherige Verlauf des Turniers vermutlich auch mit Gefühlen zu tun, und zwar gleich in zweifacher Hinsicht. Lee sei vermutlich sehr aufgeregt gewesen, sagt Yoon, ein sehr menschlicher Nachteil. Gleichzeitig aber sei der menschliche Champion ein Spieler mit einer "starken Ausstrahlung, auch deshalb verlieren manche Leute gegen ihn". Dem Computer aber "ist das natürlich egal" - noch ein Nachteil für Lee.

Ein Reporter des Wissenschaftsmagazins "Nature", der vor Ort neben dem Deepmind-Gründer Demis Hassabis saß, berichtet, Hassabis habe offenbar schon eine halbe Stunde vor dem Ende des Matches am Donnerstag gewusst, dass AlphaGo gewinnen würde. Google-Manager vor Ort hätten ein Smartphone herumgereicht, auf dem die Verlaufsprognose der Software selbst angezeigt wurde. AlphaGo "wusste" offenbar schon zu diesem Zeitpunkt, dass es das Spiel gewinnen würde. Eine halbe Stunde später gab Lee dann auf.

Go-Spielerin Yoon sagt, die Eröffnungen von AlphaGo wirkten "noch nicht ganz so reif", das Mittel- und Endspiel der Software aber sei perfekt. Je mehr Steine auf dem Brett lägen, "desto besser kann er rechnen", sagt sie und meint AlphaGo.

Lee sei die erste Partie sehr aggressiv angegangen, die zweite für seine Verhältnisse sehr zurückhaltend, sagt Yoon, die den Go-Champion kennt, seit er fünf Jahre alt war. Sie hoffe, dass er für die nächste Partie am Samstag seine Balance finde, "er sollte bei seinem Stil bleiben und sich nicht von AlphaGo beeinflussen lassen".

Neuronale Netzwerke: Die Geschichte
Neuronales Netz: Knoten und gewichtete Verbindungen
David E. Rumelhart/ James L. McClelland

Neuronales Netz: Knoten und gewichtete Verbindungen

Die Idee, dass man die Morphologie des menschlichen Nervensystems nachbilden könnte, um Maschinen so etwas wie denken, lernen oder Wahrnehmung beizubringen, stammt schon aus den Vierzigerjahren des vergangenen Jahrhunderts. Lange Zeit aber blieben die sogenannten neuronalen Netzwerkmodelle eher rudimentär, ein Gebiet für Spezialisten mit besonderer Liebe zur Abstraktion. Dann, in der ersten Hälfte der Achtzigerjahre, änderte sich das vor allem dank einer einzigen Studie. Die Psychologen David Rumelhart und James McClelland zeigten, dass so ein extrem rudimentäres Pseudogehirn lernen kann, die Vergangenheitsformen englischer Verben korrekt zu bilden - und im Laufe des Lernprozesses vorübergehend die gleichen Fehler macht wie ein menschliches Kind beim gleichen Vorgang. Statt "went" warf das Netz als Antwort vorübergehend "goed" aus - es wendete also die Regel korrekt an, aber eben bei einem unregelmäßigen Verb.

Das Netzwerk lernte also Regeln und anschließend auch die Ausnahmen von diesen Regeln - ohne dass eine einzige Regel jemals explizit formuliert worden wäre. Die Studie löste in den Kognitionswissenschaften einen kleinen Boom aus, plötzlich wurden neuronale Netzwerkmodelle auf alle möglichen Fragestellungen angewendet, der Begriff "Konnektionismus" für die neue Wissenschaft kam auf. Dann kam das Internet, die digitale Revolution nahm ihren Lauf, und plötzlich gab es Rechenleistung und entsprechende Computer in Hülle und Fülle. Heute sind neuronale Netzwerke nicht mehr nur Modelle für Psychologen - sie sind zu mächtigen Werkzeugen in den Händen jener geworden, die Computern das Sehen, Denken, Deuten beibringen wollen.

Das Grundprinzip, nach dem solche neuronalen Netzwerke funktionieren, ist immer das gleiche. Sie bestehen aus zwei oder mehr Schichten von Knoten, simulierten Nervenzellen. Verbunden werden diese Schichten mit vielen Verknüpfungen. In der Regel ist jeder Knoten der einen Schicht mit allen Knoten der nächsten verbunden. Die Input-Knoten stehen für elementare Merkmale, sie könnten beispielsweise die Pixel eines vorgegebenen Bildes repräsentieren.

Wird ein Input-Knoten aktiviert, reichte er diese Aktivierung über seine Verbindungen an die Knoten der nächsten Schicht weiter. Die Verbindungen wurden gewichtet - man kann sie sich als unterschiedlich dick vorstellen. Je dicker die Verbindung, desto stärker die Aktivierung, die am nächsten Knoten ankommt. Belehrt wird so ein Netzwerk gewissermaßen rückwärts: Wenn die Output-Schicht nicht das gewünschte Ergebnis produziert, werden die Gewichtungen der Verbindungen mithilfe eines mathematischen Mechanismus Schicht für Schicht so angepasst, dass das Ergebnis beim nächsten Mal besser zum tatsächlichen Input passt. Mit vielen Durchgängen können die Netze so lernen, Inputs korrekt mit Outputs zu verknüpfen.

cis

Diesen Artikel...
Forum - Diskutieren Sie über diesen Artikel
insgesamt 171 Beiträge
Alle Kommentare öffnen
    Seite 1    
1. Rechenleistung und Unbestechlichkeit
comeback0815 10.03.2016
"Spielzüge, die ein Mensch nie machen würde" oder: Warum verlässt die Software die vielfach vorgetrampelten Wege - unerhört!
2.
silenced 10.03.2016
In vielen, meist älteren Gesellschaftsspielen, hat sich eine Art "Kodex" eingeschlichen wie man zu spielen hat. Das sieht man sehr schön an dem Kartenspiel "Skat". Meine Art Skat zu spielen war schon immer unorthodox, ich habe mich nicht den "internen" Regeln entsprechend verhalten und trotzdem meine Spiele gewonnen, oder dem anderen sein Spiel zerstört, eben durch ausspielen von Karten die in dem Moment nie erwartet worden wären. Zum Beispiel anstatt mal einen König und somit 4 Punkte abzugeben eben die 10 reinwerfen die man noch hat, um so dem Gegner erstmal 10 Punkte (effektiv 6) zu schenken. Das verwirrte die meisten dermaßen, daß danach die Konzentration plötzlich weg war und man richtig merkte, daß der Gegenüber plötzlich grübelt welche Karten nun noch im Spiel sind und welche nicht. Ich hab auch gern ein Nullspiel gewagt mit einem blanken As oder König auf der Hand, und sehr oft gewonnen. Wenn jetzt hier davon berichtet wird, daß die Softwäre Züge ausspielt, die nie ein Go-Spieler machen würde, dann sagt mir das nur eines: Go ist stehengeblieben in seiner Entwicklung und hat sich seit langer Zeit wohl nicht weiterentwickelt. Mit anderen Worten: Die sogenannten Top-Spieler hatten seit sehr langer Zeit anscheinend einen nur sehr begrenzten Mitspielerkreis und dadurch kamen keine frischen Ideen ins Spiel. Stagnation statt Innovation.
3.
Olaf 10.03.2016
Zitat von comeback0815"Spielzüge, die ein Mensch nie machen würde" oder: Warum verlässt die Software die vielfach vorgetrampelten Wege - unerhört!
Eine Maschine war kreativer als ein Menschen bei der Lösung eines Problems. Dies ist ein Meilenstein bei der Entwicklung der KI.
4.
Rido 10.03.2016
Ich kenne das vom Schach. Da spiele ich liebend gerne Eröffnungen, welche selten oder so gut wie gar nicht gespielt werden. Diese kennt der Gegner oft nicht (sehr gut) ich hingegen schon. Das verschafft mir einen Vorteil. So ähnlich scheint das hier der Fall zu sein.
5. Machts nicht so spannend
Untertan 2.0 10.03.2016
---Zitat--- Dann machte AlphaGo diesen einen Zug. Einen Zug, "den kein Mensch je erwartet hätte", sagt Yoon. "Dieser Zug war genial", fügt sie hinzu. ---Zitatende--- Ja was war denn dieser eine Zug?
Alle Kommentare öffnen
    Seite 1    

© SPIEGEL ONLINE 2016
Alle Rechte vorbehalten
Vervielfältigung nur mit Genehmigung der SPIEGELnet GmbH





Anzeige
  • Christian Stöcker:
    Spielmacher

    Gespräche mit Pionieren der Gamesbranche.

    Mit Dan Houser ("Grand Theft Auto"), Ken Levine ("Bioshock"), Sid Meier ("Civilization"), Hideo Kojima ("Metal Gear Solid") u.v.a.

    SPIEGEL E-Book; 2,69 Euro.

  • Bei Amazon kaufen.
Der kompakte Nachrichtenüberblick am Morgen: aktuell und meinungsstark. Jeden Morgen (werktags) um 6 Uhr. Bestellen Sie direkt hier: