Software-Sieg im Brettspiel Es geht um weit mehr als Go

Der Sieg der Google-Software AlphaGo gegen den wohl weltbesten Go-Profi macht einen Wendepunkt sichtbar: Künftig lernen Menschen von Maschinen. Das könnte uns sogar retten.
Go-Übertragung Lee Sedol vs. AlphaGo im südkoreanischen TV

Go-Übertragung Lee Sedol vs. AlphaGo im südkoreanischen TV

Foto: Ahn Young-joon/ AP

Sicher, es ist ein Schock für die Fans und Profis dieses uralten Brettspiels, dass die Deepmind-Software AlphaGo den Ausnahmespieler Lee Sedol glatt mit drei zu null vom Platz gefegt hat, ein Ergebnis, das zumindest unter Go-Kennern so kaum jemand vorhergesehen hatte. Dieses Ereignis ist aber nicht nur ein Erfolg in der Entwicklung von Go-Software. Es markiert einen Wendepunkt in der Entwicklung der Menschheit.

Um zu verstehen, warum das so ist, lohnt es, den Sieg der Computer über die Menschen im Schach mit dem im Go zu vergleichen. Deep Blue, der IBM-Computer, der 1997 den damaligen Schachweltmeister Garri Kasparow  in einem Turnier besiegte, war ein ganz anderes Geschöpf als AlphaGo. Eine hochspezialisierte Kombination aus Hard- und Software, gefüttert mit riesigen Schachdatenbanken, ausgestattet mit der Rechenleistung, mehr Züge, mehr Kombinationen zu simulieren, als ein Mensch das kann. Deep Blue gewann letztlich dank schierer Rechenleistung. Brute force nennt man das im Englischen, rohe Gewalt.

Fotostrecke

Spielregeln einfach erklärt: So geht Go

Foto: Tobias Berben

Auch AlphaGo läuft auf mächtiger Hardware. Gewinnen aber konnte die Software nicht allein aufgrund ihrer Rechenleistung, dazu ist Go zu vielfältig: Es gibt mehr mögliche Kombinationen auf dem Brett als Atome im Universum. Kein heutiger Rechner kann aus jeder Go-Position alle möglichen Anschlusszüge und ihre Weiterungen mit roher Gewalt durchrechnen. Gerade deshalb galt das Spiel noch Anfang 2016 als eine der Aufgaben, an denen Computer noch jahrelang scheitern würden.

AlphaGo ist nicht nur ein schneller Rechner. Es besteht auch aus lernenden - fast ist man versucht zu sagen: lebendigen - neuronalen Netzen, simuliert am Rechner, aber in ihrer Funktionsweise radikal anders als herkömmliche Software.

Ideen, die Menschen in Tausenden Jahren nicht hatten

Neuronale Netze lernen anhand großer Datenmengen, und sie abstrahieren dabei von all den Beispielen, mit denen man sie gefüttert hat. Das geht mit unterschiedlichsten Arten von Daten - seien es englische Verben und ihre Vergangenheitsformen (siehe Kasten unten), oder eben historische, in Datenbanken festgehaltene Go-Partien.

AlphaGo lernte nicht nur aus den Partien, die Menschen einmal gespielt hatten, es trainierte auch, unermüdlich und unausgesetzt, in Partien gegen sich selbst. Dabei ist offenbar eine neue Spielweise entstanden, die die Go-Elite der Welt diese Woche nachhaltig verstört hat. AlphaGo machte Züge, die menschliche Profis zunächst für Fehler hielten. Tatsächlich aber hatte die Maschine einen Weg gefunden, das Spiel siegreich zu spielen, auf den Menschen in Tausenden Jahren Go-Geschichte nicht gekommen sind.

Was der Sieg von AlphaGo sichtbar macht, ist die Entwicklung, die Mahner wie Stephen Hawking und Elon Musk als potenzielle Gefahr für die Menschheit betrachten: Maschinen könnten klüger werden als Menschen. Und wenn sie das erst einmal sind, dann hält sie nichts davon ab, immer weiter zu machen, immer noch intelligenter zu werden, "superintelligent", wie der Oxford-Philosoph Nick Bostrom das genannt hat.

Big Data plus lernende Software - da kommt was auf uns zu

Tatsächlich müssen wir uns vorerst wirklich keine Sorgen machen, dass eine künstliche Intelligenz die Menschheit unterjocht oder gar ausrottet. Was gerade geschieht, ist nicht apokalyptisch aber für das Selbstverständnis der Menschheit vermutlich trotzdem schwer verdaulich: Eine Maschine - oder besser: eine Software - kann, in klar beschriebenen, eng umgrenzten Gebieten tatsächlich schlauer werden als alle Menschen.

So schlau, dass nicht mehr die Software von den Menschen lernt - sondern umgekehrt. Die Züge von AlphaGo werden wohl verändern, wie Menschen künftig Go spielen. Obwohl, und da wird es spannend, niemand weiß, wie sie genau auf diese Züge gekommen ist. Da gewinnt das Diktum des Science-Fiction-Autors Arthur C. Clarke ganz neue Aktualität: "Jede ausreichend weit entwickelte Technologie ist von Magie nicht mehr zu unterscheiden."

Ein neuronales Netz ist, obwohl man alle seine Verbindungen und Gewichtungen betrachten kann, letztlich eine Black Box. Niemand versteht wirklich, wie es zu seinen Ergebnissen kommt. Ob sie etwas taugen, lässt sich nur im Abgleich mit der Realität - zum Beispiel den Leistungen eines Go-Profis - ermitteln. Immer vorausgesetzt, es liegen ausreichend viele Daten - beispielsweise historische Go-Partien - vor, um das Netzwerk zu trainieren, es auf den Weg zu bringen.

Vorhersage ohne Erkenntnis?

An Daten herrscht kein Mangel. Die Benutzung des Internets, all die Sensoren in unseren Handys, Autos, Industrierobotern, medizinische und fast jede andere Art von Forschung erzeugen täglich gigantische Mengen davon. "Big Data" ist nicht nur ein Buzzword. Aber erst in Verbindung mit lernender Software werden diese riesigen Datenmengen wirklich interessant: Neuronale Netze können aus in diversen Sprachen vorliegenden Texten übersetzen lernen, aus medizinischen Bilddatenbanken das Erkennen von Tumoren, und womöglich aus Klimadaten eines Tages bessere Wettervorhersagen ableiten, als menschengemachte Modelle es heute erlauben. Lernende Software, die uns in ihrem Spezialgebiet überflügelt, wird zum Lehrmeister der Menschheit werden.

Das birgt eine Gefahr: Wenn wir uns auf die Vorhersagen der Rechenmaschinen verlassen, ohne zu begreifen, wie diese Vorhersagen zustandekommen, verabschieden wir uns vom Grundprinzip wissenschaftlicher Erkenntnis, ja von der Erkenntnis an sich: Die Black Box wird uns nicht verraten, wie sie auf ihr Ergebnis gekommen ist. Wissenschaftler werden künftig immer häufiger damit beschäftigt sein, im Nachhinein kausale Erklärungen zu finden für die Voraussagen, die Software aus Hunderttausenden komplexen Korrelationen abgeleitet hat. Das stellt die Wissenschaft, wie wir sie kennen, auf den Kopf.

Schlecht aber muss all das nicht sein, im Gegenteil: Wenn Maschinen uns zeigen können, wie man besser Go spielt, können sie uns vielleicht auch helfen, den Klimawandel besser zu verstehen und zu bekämpfen, den Krebs zu besiegen, dem Hunger in der Welt effektiver zu begegnen. Wir dürfen dabei nur nicht so träge werden, dass wir Vorhersagen akzeptieren, ohne dass ihnen auch Erkenntnis folgt. Sonst wird die Menschheit eines Tages tatsächlich von der künstlichen Intelligenz unterjocht - weil sie selbst das Denken aufgegeben hat.