Künstliche Intelligenz – Alles nur ein Spiel?

Kaum ein Technologiefeld ist zugleich so unterschätzt und überschätzt wie künstliche Intelligenz. Die großen Meilensteine und populärsten Schlagzeilen der Szene lassen sich grob auf drei zentrale Spielerfolge herunterbrechen:

 

Deep Blue 1997

Der Hype um künstliche Intelligenz wurde erheblich befeuert, als es dem IBM-Computer Deep Blue vor ziemlich genau 20 Jahren gelang, das Schach-Genie Garri Kasparow zu schlagen. Im Jahr zuvor dominierte dieser noch und gewann mit 4:2 gegen die erste Version von Deep Blue.

„Maschinelle Rechenkraft hatte über menschliche Intuition triumphiert. Ein Meilenstein in der Geschichte der Computerentwicklung und eine Sensation, denn noch nie hatte ein Schachcomputer den amtierenden Schachweltmeister in einer Partie unter Turnierbedingungen besiegt“ (Zeit Online). Obwohl Deep Blue mit seiner, für damalige Verhältnisse enormen, Rechenleistung in der Lage war, bis zu 200 Millionen Schachpositionen pro Sekunde zu evaluieren, räumte das IBM-Team nach dem Sieg über Kasparow ein, dass es sich bei ihrem Hochleistungscomputer um kein lernendes System handle: „Deep Blue is stunningly effective at solving chess problems, but it is less "intelligent" than even the stupidest human” (IBM).

 

Watson 2011

Im Februar 2011 sorgte erneut ein Rechensystem aus dem Hause IBM für Schlagzeilen. Watson, als dessen prestigeträchtiger Namensgeber die Firmenikone Thomas J. Watson fungiert, setzte sich in drei Episoden der berühmten US-Quizsendung Jeopardy! gegen zwei menschliche Rekordgewinner durch (siehe Video). Im Rahmen von IBMs DeepQA-Forschungsprojekt wurde Watson als semantische Suchmaschine mit dem Ziel entwickelt, auch komplexe Fragestellungen, die in digitaler Form in natürlicher Sprache eingegeben werden, beantworten zu können. Dabei kam das System während des Quiz ohne Verbindung zum Internet aus, hatte jedoch Zugriff auf eine riesige Wissensdatenbank, die u.a. die gesamten Inhalte der Online-Enzyklopädie Wikipedia umfasste. Watsons zentrale Herausforderung bestand darin, die Fragen bei Jeopardy! die sich traditionell durch ein hohes Maß an Mehrdeutigkeit und Ironie auszeichnen, sinngemäß zu erfassen und zu beantworten. Obwohl Watsons Konkurrenten chancenlos blieben, zeigte sich auch, dass seine Algorithmen nicht unfehlbar sind: So ging er bei einer Frage davon aus, dass Toronto eine Stadt in den USA sei und erntete dafür das Gelächter des Publikums (Spiegel Online). Dass IBM es mit Watson jedoch ernst meint, zeigen die massiven Investitionen des Konzerns in die Kommerzialisierung von Watson und kontinuierliche Meldungen über neue Anwendungsfelder und technologische Durchbrüche.

 

AlphaGo 2016

Bei Go handelt es sich um ein mehr als 2500 Jahre altes chinesisches Brettspielt, bei dem es im Kern darum geht, mit linsenförmigen schwarzen und weißen Steinen Territorium zu gewinnen. Trotz des relativ einfachen Regelwerks weist das Spiel eine extrem hohe Komplexität auf, welche die von Schach um ein Vielfaches übersteigt. Das Spiel verlangt den Spielern ein hohes Maß an Intuition und strategischem Denken ab und lässt sich wegen der enormen Anzahl an potenziellen Positionen in konventionell programmierten Suchbäumen nicht abbilden. Lange  waren spezielle Computeranwendungen lediglich in der Lage, auf Amateurniveau mit menschlichen Go-Spielern zu konkurrieren. Dem 2014 von Google übernommenen KI-Unternehmen Deep Mind gelang jedoch der Durchbruch, den viele Experten nicht für möglich gehalten hätten: Nachdem es ihrem Computerprogramm AlphaGo 2015 gelungen war, den dreimaligen Europameister Fan Hui zu schlagen, gewann das System vor mehr als 200 Millionen Zuschauern im März 2016 gegen den Südkoreaner Lee Sedol, der bis dahin 18 internationale Titel gewonnen hatte und als einer der besten Go-Spieler weltweit galt. Ausschlaggebend für den durchschlagenden Erfolg von AlphaGo war u.a. die Deep Learning Methode. Sie ermöglichte es dem Programm mittels künstlicher neuronaler Netzwerke (inspiriert von der Funktionsweise des menschlichen Gehirns), aus mehr als 30 Millionen möglichen Spielzügen, die vorab ins System eingespeist wurden, besonders erfolgsversprechende Spielweisen herauszukristallisieren. Anschließend ließen die Entwickler AlphaGo tausende Spiele gegen sich selbst simulieren, um die Maschine „lernen“ zu lassen. Das Resultat: AlphaGo war danach in der Lage, in 57 Prozent der Fälle den nächsten Spielzug des Gegners richtig vorherzusehen. Das reichte aus, um Go-Geschichte zu schreiben. Eine detaillierte Beschreibung der technischen Komponenten veröffentlichte das Team von Deep Mind im Nature Journal. Das Match gilt bis heute als Gradmesser für den Stand künstlicher Intelligenz. Deep Mind befasst sich aktuell u.a. damit, mit Hilfe ihrer KI-Technologie die Kühlkosten der Google Serverzentren um 40 Prozent zu reduzieren.

04.06.2017
  • künstliche intelligenz

Kommentare

Diskutieren Sie mit der Community auf der Open-Innovation-Plattform

2017-06-19 11:26:29
Update: DeepMind-Chef Dennis Hassabis und Forschungsleiter Dave Silver haben kürzlich verkündet, dass sich das Unternehmen zukünftig neuen Herausforderungen widmen wird.
"Das Ziel von AlphaGo ist erreicht, DeepMind will nun seine Energien voll in die Entwicklung von neuen Algorithmen stecken. Die sollen mithelfen die großen Aufgaben in Medizin, Ökologie, Materialforschung und anderswo anzupacken".

https://deepmind.com/blog/alphagos-next-move/