Jetzt kann die KI dich und so ziemlich jeden anderen Menschen bei einer wachsenden Anzahl von Brettspielen schlagen.

Es könnte demütigend sein, sich dieses Jahr wie ein altmodisches Brettspiel wie Schach hinzusetzen, wenn man bedenkt, wie schlimm man gegen einen Computer wäre. Tatsächlich haben Computer gezeigt, dass sie in der Lage sind, für Brettspiele eine Zeitlang das Geld der Menschheit für Nahrungsmittel aufzunehmen. Erinnerst du dich an Deep Blue gegen Gary Kasparov im Jahr 1997? Der Computer hat gewonnen. Oder AlphaGo gegen Lee Sedol aus Südkorea, Go, 2016? Auch.

Jetzt feiert dasselbe Team, das diesen Go-Playing-Bot entwickelt hat, etwas Fantastischeres: ein künstliches Intelligenzsystem, das sich selbst beibringen und drei verschiedene Spiele gewinnen kann. Die KI ist ein Netzwerk, funktioniert aber für mehrere Spiele. Diese Verallgemeinerbarkeit macht sie beeindruckender, da sie möglicherweise auch andere ähnliche Spiele lernen kann.

Sie nennen es AlphaZero, und es kennt sich mit Schach, Shogi (bekannt als japanisches Schach) und Go aus, einem komplexen Brettspiel, bei dem sich schwarze und weiße Steine ​​in einem großen Raster treffen. Alle diese Spiele fallen unter die Kategorie “Vollständige Informationen” oder “Perfekte Informationen” – jeder Spieler kann das gesamte Spielfeld sehen und hat Zugriff auf dieselben Informationen. Dies unterscheidet sich von Spielen wie Poker, bei denen Sie nicht wissen, welche Karten ein Gegner hält.

“AlphaZero lernt einfach, indem man gegen sich selbst spielt”, sagte Julius Schrittwieser, Software-Ingenieur bei DeepMind, der es entwickelt hat. “Und wir bekommen eine völlig neue Sicht auf das Spiel, die nicht davon abhängt, wie die Leute das Spiel traditionell spielen.” Stepwieser ist Mitautor einer neuen wissenschaftlichen Studie zu AlphaZero, die Ende letzten Jahres erstmals veröffentlicht wurde.

Da AlphaZero “allgemeiner” ist als die KI, die auf Go gewonnen hat, in dem Sinne, dass es mehrere Spiele spielen kann. “Dies lässt darauf schließen, dass wir eine gute Chance haben, dies auf noch mehr der realen Probleme auszudehnen, mit denen wir möglicherweise konfrontiert sind später anpacken “, sagt Schrittwieser.

Das Netzwerk muss zuerst die Spielregeln kennen und dann lernen, indem es Spiele gegen sich selbst spielt. Dieses Training dauerte ungefähr 13 Tage für das Spiel Go, aber nur 9 Stunden für Schach. Danach dauerte es nicht lange, bis es andere Computerprogramme schlug, die bereits Experten für diese Spiele waren. Zum Beispiel brauchte AlphaZero mit Shogi nur zwei Stunden, um ein anderes Programm namens Elmo zu schlagen. Tatsächlich gibt DeepMind in einem Blog-Artikel an, dass AI “der stärkste Spieler in der Geschichte” für Schach, Shogi und Go ist. Mit demselben Algorithmus könnten auch andere “vollständige Informationsspiele” wie das Hex-Spiel ohne “Probleme” gespielt werden, sagt Schrittwieser.

Die neue KI ähnelt dem künstlichen Intelligenzsystem, das Lee Sedol 2016 besiegt hat. Dieses Schlagzeilenturnier ist Gegenstand eines exzellenten Dokumentarfilms namens AlphaGo, der derzeit auf Netflix läuft. Es lohnt sich zu beobachten, ob Sie das Gebiet der KI gegen Menschen interessiert – oder ob das faszinierende alte Go-Spiel dies tut.

Und obwohl dies moderne KI-Forschung ist, waren Brettspiele in der Vergangenheit eine großartige Möglichkeit, die Fähigkeiten von Computern zu testen, sagt Murray Campbell, ein Forscher bei IBM Research, der in derselben Ausgabe von Science eine Doktorarbeit über AlphaGo verfasst hat. Er sagt, dass die Idee, einen Computer ein Brettspiel spielen zu lassen, aus dem Jahr 1950 stammt und dass die Maschinen in den 1990er Jahren die Menschen in der Königin und im Schach besiegten. “Es hat Jahrzehnte gedauert, bis wir mit diesen Spielen besser als mit Menschen umgehen können”, sagt Campbell. “Ich denke, sie haben dem Feld sehr gute Dienste geleistet und es uns ermöglicht, die in AlphaZero verwendeten Techniken zu untersuchen.”

Die Erfahrung mit den in AlphaZero verwendeten Techniken wird hilfreich sein, da das Feld auf “komplexere Aufgaben” abzielt, fügt Campbell hinzu. “Und das war der springende Punkt bei der ersten Auseinandersetzung mit Spielen – es ging nicht um sich selbst, sondern darum, dass es ein begrenztes Umfeld ist, in dem wir Fortschritte erzielen können.”