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

Wenn Sie sich in dieser Weihnachtszeit hinsetzen, um ein Brettspiel der alten Schule wie Schach zu spielen, könnte es demütigend sein, im Hinterkopf zu behalten, wie schlecht Sie gegen einen Computer sein würden. Tatsächlich haben Computer gezeigt, dass sie in der Lage sind, das Essensgeld der Menschheit bei Brettspielen für eine Weile aufzunehmen. Erinnerst du dich an Deep Blue gegen Gary Kasparov im Jahr 1997? Der Computer hat gewonnen. Oder AlphaGo gegen Lee Sedol, in Südkorea, beim Spiel von Go, 2016? Ebenso.

Nun feiert das gleiche Team, das diesen Go-Playing-Bot entwickelt hat, etwas Fantastischeres: ein System der künstlichen Intelligenz, das in der Lage ist, sich selbst zu lehren und drei verschiedene Spiele zu gewinnen. Die KI ist ein Netzwerk, funktioniert aber für mehrere Spiele; diese Verallgemeinerbarkeit macht sie beeindruckender, da sie vielleicht auch andere ähnliche Spiele lernen kann.

Sie nennen es AlphaZero, und es kennt Schach, Shogi (das als japanisches Schach bekannt ist) und Go, ein komplexes Brettspiel, bei dem schwarze und weiße Steine in einem großen Raster aufeinander treffen. Alle diese Spiele fallen unter die Kategorie “Vollständige Information” oder “Perfekte Information” – jeder Spieler kann das gesamte Spielfeld sehen und hat Zugang zu den gleichen Informationen. Das unterscheidet sich von Spielen wie zum Beispiel Poker, bei denen man nicht weiß, welche Karten ein Gegner hält.

“AlphaZero lernt einfach ganz von selbst, indem es gegen sich selbst spielt”, sagt Julian Schrittwieser, Software-Ingenieur bei DeepMind, der es entwickelt hat. “Und wir bekommen eine völlig neue Sicht auf das Spiel, die nicht davon beeinflusst wird, wie Menschen das Spiel traditionell spielen.” Schrittwieser ist Co-Autor einer neuen wissenschaftlichen Studie über AlphaZero, die Ende letzten Jahres erstmals veröffentlicht wurde.

Da AlphaZero “allgemeiner” ist als die KI, die bei Go gewonnen hat, in dem Sinne, dass es mehrere Spiele spielen kann, “deutet es darauf hin, dass wir eine gute Chance haben, dies auf noch mehr reale Probleme auszudehnen, die wir später vielleicht angehen wollen”, sagt Schrittwieser.

Das Netzwerk muss zuerst die Spielregeln kennen, und danach lernt es, indem es Spiele gegen sich selbst spielt. Dieses Training dauerte etwa 13 Tage für die Partie Go, aber nur 9 Stunden für Schach. Danach dauerte es nicht lange, bis es anfing, andere Computerprogramme zu schlagen, die bereits Experten für diese Spiele waren. Zum Beispiel brauchte AlphaZero bei Shogi nur zwei Stunden, um ein anderes Programm namens Elmo zu schlagen. Tatsächlich rühmt sich DeepMind in einem Blogartikel, dass die KI “der stärkste Spieler in der Geschichte” für Schach, Shogi und Go ist. Derselbe Algorithmus könnte verwendet werden, um andere “vollständige Informationsspiele”, wie das Hex-Spiel, ohne “Probleme” zu spielen, sagt Schrittwieser.

Die neue KI ähnelt dem System der künstlichen Intelligenz, das Lee Sedol 2016 besiegt hat. Dieses Headline-Grabbing-Turnier ist Gegenstand eines ausgezeichneten Dokumentarfilms namens AlphaGo, der derzeit auf Netflix läuft. Es lohnt sich zu beobachten, ob das Feld der KI gegen Menschen Sie interessiert – oder ob das faszinierende, alte Spiel von Go dies tut.

Und während dies moderne KI-Forschung ist, waren Brettspiele historisch gesehen eine gute Möglichkeit, die Fähigkeiten von Computern zu testen, sagt Murray Campbell, ein Forschungswissenschaftler bei IBM Research, der in der gleichen Ausgabe von Science eine Arbeit zum Thema AlphaGo geschrieben hat. Er sagt, dass die Idee, einen Computer ein Brettspiel spielen zu lassen, auf 1950 zurückgeht, und dass die Maschinen in den 90er Jahren die Menschen bei Dame und Schach besiegen. “Es hat Jahrzehnte der Arbeit an diesen Spielen gedauert, bis wir den Punkt erreicht haben, an dem wir sie besser ausführen können als Menschen”, sagt Campbell. “Ich denke, sie haben dem Feld sehr gut gedient; sie haben es uns ermöglicht, Techniken zu erforschen, wie sie in AlphaZero verwendet werden.”

Und die Erfahrung in der Arbeit mit den in AlphaZero verwendeten Techniken wird hilfreich sein, da das Feld auf “komplexere Aufgaben” abzielt”, ergänzt Campbell. “Und das war der springende Punkt bei der ersten Auseinandersetzung mit Spielen – es geschah nicht um ihrer selbst willen, sondern weil es eine begrenzte Art von Umgebung ist, in der wir Fortschritte machen können.”