Googles KI meistert das Game of Go ein Jahrzehnt früher als erwartet

Google hat einen brillanten und unerwarteten Schritt in Richtung einer KI mit menschlicherer Intuition unternommen und einen Computer entwickelt, der in der Lage ist, selbst erfahrene menschliche Spieler beim teuflisch komplizierten Brettspiel Go zu schlagen.



Das Ziel von Go, einem Spiel, das vor mehr als 2.500 Jahren in China erfunden wurde, ist ziemlich einfach: Die Spieler müssen abwechselnd schwarze und weiße Steine ​​auf einem Gitter aus 19 horizontalen und 19 vertikalen Linien platzieren, um die gegnerischen Figuren zu umgeben und zu vermeiden eigene Stücke umgeben. Das Beherrschen von Go erfordert jedoch endlose Übung sowie ein fein abgestimmtes Talent, subtile Muster in der Anordnung der über das Brett verteilten Teile zu erkennen.

Das Team von Google hat gezeigt, dass die Fähigkeiten, die zum Meistern von Go erforderlich sind, doch nicht so einzigartig menschlich sind. Ihr Computerprogramm namens AlphaGo schlug den Go-Europameister Fan Hui fünf Spiele zu null. Und diesen März wird es bei einem Turnier in Seoul, Südkorea, gegen einen der weltbesten Spieler, Lee Sedol, antreten.





Go ist das komplexeste und schönste Spiel, das je von Menschen entwickelt wurde, sagte Demis Hassabis, Leiter des Google-Teams und selbst begeisterter Go-Spieler, bei einer Pressekonferenz. Durch den Sieg über Fan Hui, fügte er hinzu, hat unser Programm eine der langjährigen großen Herausforderungen der KI erreicht.

Hassabis sagte auch, dass die Techniken, die zur Erstellung von AlphaGo verwendet wurden, sich für die Bemühungen seines Teams eignen würden, eine allgemeine KI zu entwickeln. Letztendlich wollen wir diese Techniken auf wichtige reale Probleme anwenden, sagte er. Da es sich bei den von uns verwendeten Methoden um allgemeine Zwecke handelte, hoffen wir, dass sie eines Tages ausgeweitet werden könnten, um einige der dringendsten Probleme der Gesellschaft anzugehen, von der medizinischen Diagnostik bis hin zur Klimamodellierung (siehe Könnte KI die größten Probleme der Welt lösen? ).

Hassabis sagte, dass die erste Möglichkeit, die Technologie bei Google anzuwenden, die Entwicklung besserer persönlicher Assistenten beinhalten würde. Ein solcher Assistent könnte die Vorlieben eines Benutzers aus seinem Online-Verhalten lernen und intuitivere Empfehlungen zu Produkten oder Veranstaltungen abgeben, schlug er vor.



Top-Quantencomputing-Unternehmen

Go ist für Computer weitaus herausfordernder als beispielsweise Schach, und zwar aus zwei Gründen: Die Anzahl möglicher Züge pro Runde ist weitaus höher, und es gibt keine einfache Möglichkeit, den materiellen Vorteil zu messen. Ein Spieler muss daher lernen, abstrakte Muster in Hunderten von Stücken zu erkennen, die über das Brett verteilt sind. Und selbst Experten haben oft Schwierigkeiten zu erklären, warum eine bestimmte Position vorteilhaft oder problematisch erscheint.

Noch vor ein paar Jahren glaubten die meisten Go-Spieler und Spieleprogrammierer, dass das Spiel so komplex sei, dass es mehrere Jahrzehnte dauern würde, bis Computer den Standard eines menschlichen Expertenspielers erreichen würden.

AlphaGo wurde von einem Team namens Google DeepMind entwickelt, einer Gruppe, die gegründet wurde, nachdem Google 2014 ein kleines britisches KI-Startup namens DeepMind übernommen hatte. Die Forscher bauten AlphaGo unter Verwendung einer äußerst beliebten und erfolgreichen maschinellen Lernmethode namens Deep Learning in Kombination mit einer anderen Simulationstechnik zur Modellierung möglicher Bewegungen. Deep Learning beinhaltet das Training eines großen simulierten neuronalen Netzwerks, um auf Muster in Daten zu reagieren. Es hat sich als sehr nützlich für die Bild- und Audioverarbeitung erwiesen, und viele große Technologieunternehmen erforschen neue Wege, um die Technik anzuwenden.



In AlphaGo wurden zwei Deep-Learning-Netzwerke verwendet: Ein Netzwerk lernte, den nächsten Zug vorherzusagen, und das andere lernte, das Ergebnis aus verschiedenen Anordnungen auf dem Brett vorherzusagen. Die beiden Netzwerke wurden mit einem konventionelleren KI-Algorithmus kombiniert, um im Spiel nach möglichen Zügen vorauszusehen. Ein wissenschaftliches Papier, das von Forschern von Google verfasst wurde und die Arbeit beschreibt erscheint im Tagebuch Natur heute .

Das Go-Spiel hat einen enormen Suchraum, der für die Brute-Force-Suche schwer zu handhaben ist, sagt David Silver, ein weiterer Google-Forscher, der die Bemühungen leitete. Der Schlüssel zu AlphaGo besteht darin, diesen Suchraum auf etwas Überschaubareres zu reduzieren. Dieser Ansatz macht AlphaGo viel menschlicher als frühere Ansätze.

Als IBMs Deep Blue-Computer 1997 Schach beherrschte, verwendete er handcodierte Regeln und durchsuchte erschöpfend mögliche Schachzüge. AlphaGo hat im Wesentlichen im Laufe der Zeit gelernt, potenziell vorteilhafte Muster zu erkennen, und dann eine begrenzte Anzahl potenzieller Ergebnisse simuliert.

Star Wars Rogue One Cgi Leia

Googles Leistung wurde von anderen Forschern auf diesem Gebiet mit Glückwünschen und einigem Erstaunen aufgenommen.

Auf technischer Seite ist diese Arbeit ein monumentaler Beitrag zur KI, sagt Ilya Sutskever, ein führender KI-Forscher und Direktor einer neuen gemeinnützigen Organisation namens OpenAI (siehe Innovators Under 35: Ilya Sutskever). Laut Sutskever war die Arbeit besonders wichtig, weil AlphaGo sich im Wesentlichen selbst beigebracht hat, wie man gewinnt. Die gleiche Technik kann auch bei vielen anderen Spielen verwendet werden, um eine extrem hohe Leistung zu erzielen, sagt er.

Michael Bowling , Professor für Informatik an der University of Alberta in Kanada, der kürzlich ein Programm entwickelt in der Lage, jeden beim Heads-up-Limit-Poker zu schlagen, war ebenfalls begeistert von der Leistung. Er glaubt, dass sich der Ansatz tatsächlich in vielen Bereichen, in denen maschinelles Lernen angewendet wird, als nützlich erweisen sollte. Vieles, was wir traditionell unter menschlicher Intelligenz verstehen würden, basiert auf dem Mustervergleich, sagt er. Und vieles, was wir unter Lernen verstehen, besteht darin, diese Muster in der Vergangenheit gesehen zu haben und zu erkennen, wie sie mit einer aktuellen Situation zusammenhängen.

Ein bemerkenswerter Aspekt des Ergebnisses ist, dass es Deep Learning mit anderen Techniken kombiniert, sagt Gary Marcus, Professor für Psychologie an der New York University und Mitbegründer und CEO von Geometrische Intelligenz , ein KI-Startup, das ebenfalls Deep Learning mit anderen Methoden kombiniert (siehe Can This Man Make AI More Human? ).

Dies ist kein sogenanntes End-to-End-Deep-Learning-System, sagt Marcus. Es ist ein sorgfältig strukturiertes, modulares System mit durchdachter Handarbeit am Frontend. Was, wenn man darüber nachdenkt, ziemlich parallel zum menschlichen Verstand ist: reich, modular, mit ein wenig Optimierung durch die Evolution, anstatt nur ein Haufen Neuronen, die zufällig miteinander verbunden und vollständig durch Erfahrung abgestimmt sind.

Google ist auch nicht das einzige Unternehmen, das Deep Learning verwendet, um eine Go-spielende KI zu entwickeln. Facebook hat zuvor gesagt, dass es einen Forscher hat, der an einem solchen System arbeitet, und gestern Abend beides Yann Le Cun , Direktor der KI-Forschung bei Facebook und CEO Mark Zuckerberg veröffentlichte Updates zu den Bemühungen. Die Bemühungen von Facebook befinden sich in einem früheren Stadium, kombinieren aber auch Deep Learning mit einer anderen Technik.

Der Anblick des KI-Meisters Go kann auch zu existenziellen Ängsten führen. Während der Pressekonferenz zur Bekanntgabe der Neuigkeiten wurde Hassabis mit Fragen zu den langfristigen Risiken der KI-Systeme konfrontiert, die Google entwickelt. Er sagte, dass das Unternehmen Schritte ergreife, um diese Risiken durch die Zusammenarbeit mit Wissenschaftlern, die Organisation von Konferenzen und die Zusammenarbeit mit einem internen Ethikrat zu mindern.

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen