Bereits 1997 gelang es dem IBM-Computersystem «Deep Blue», den amtierenden Schachweltmeister Garry Kasparow zu schlagen. Der Computer war in der Lage, pro Sekunde 200 Millionen mögliche Spielzüge durchzurechnen. Für Go reicht das noch lange nicht.
Simpel und deshalb so kompliziert
Das Spiel, das vor etwa 2500 Jahren in China erfunden wurde, ist wesentlich komplexer als Schach. Dabei sind die Regeln denkbar einfach: Gespielt wird auf einem Brett mit 19 mal 19 Linien, die die Spieler mit schwarzen oder weissen Steinen belegen. Ähnlich wie beim Mühlespiel müssen die Kontrahenten darauf achten, dass ihre Steine vom Gegner nicht eingekesselt werden, sonst verlieren sie diese. Gewinner ist, wer am meisten Fläche kontrolliert.
Es sind gerade diese einfachen Regeln, die mit dazu führen, dass bei jedem Schritt bis zu 200 Spielzüge möglich sind: Beim Schach sind es zwischen 25 und 35, schätz man.
Go – der heilige Gral der künstlichen Intelligenz
Kein Computer ist in der Lage, 200 mögliche Spielzüge über mehrere Schritte vorauszuschauen. Auch Menschen sind überfordert. Professionelle Go-Spieler denken anders als ihre Kollegen beim Schach. Sie reflektieren nicht. Die Spieler entscheiden oft aus dem Bauch heraus. Die richtige Lösung fühle sich schön an, sagen sie.
Doch Intuition ist nicht die Stärke von Maschinen. Go gilt dehalb bei Experten als heiliger Gral der künstlichen Intelligenz. Gelingt es, ein System zu entwickeln, das einem Go-Profi überlegen ist, so wäre das ein weiterer Meilenstein in der Geschichte der künstlichen Intelligenz nach dem Schachcomputer «DeepBlue» von 1997.
Maschinen lernen Bauchgefühl
Genau dieser Durchbruch scheint nun nahe. Der Grund dafür liegt in den Fortschritten, die in den letzten Jahren bei der Entwicklung neuronaler Netze erzielt wurden. Die Software imitiert dabei unser Hirn: Statt stur vorgegebenen Regeln zu folgen, sollen Maschinen selbständig lernen können.
Die Forscher haben ihrem System «AlphaGo» rund 30 Millionen Spielzüge aus verschiedenen Go-Partien gezeigt. Die Maschine erlernte so selbständig das Spiel. Um ihr System weiter zu trainieren, haben die Entwickler dann zwei Computer gegeneinander spielen lassen. Wie Menschen, so lernen auch die Systeme beim Spielen ständig dazu, mit einem grossen Unterschied: Während es ein Profi auf etwa 1000 Partien pro Jahr bringt, sind den Maschinen praktisch keine Grenzen gesetzt. Millionen von Übungspartien sind durchaus realistisch – pro Tag.
Die Forscher setzen aber nicht nur auf neuronale Netze. Die Suche in einer Baumstruktur, ein klassisches Verfahren der Informatik, spielt ebenfalls eine wichtige Rolle, wie Gary Marcus kritisch anmerkt.
Der Beweis für die Überlegenheit folgt im März
Die Strategie der Google-Spezialisten war erfolgreich: AlphaGo schlug im Oktober den amtierenden Go-Europameister Fan Hui (5:0). Zum ersten mal war die Maschine einem Meister überlegen. Doch Go ist in Europa kein Volkssport und im weltweiten Vergleich ist Fan Hui kein Schwergewicht, .
AlphaGo gewinnt weiter: KI-Forscher Jürgen Schmidhuber
Der endgültige Beweis für die Überlegenheit steht deshalb noch bevor: Der Kampf gegen einen der besten Spieler der Welt. Im März tritt AlphaGo in Seoul auf Lee Sedol – eine Partie, die an das Schachtournier von 1997 erinnert. Der Präsident der britischen Go-Gesellschaft meinte zum Ausgang des Wettbewerbes Mensch-gegen-Maschine: «Ich würde auf den Menschen setzen. Aber keine grosse Summe.»
Googles Einsatz könnte sich lohnen
Vor grossen Summen schreckte hingegen Google nicht zurück, als der Internet-Konzern vor zwei Jahren das Start-up DeepMind kaufte. Schätzungen gehen davon aus, dass für den KI-Spezialisten mit ein paar Dutzend Angestellten bis zu 500 Millionen Dollar geflossen sind. Im Visier dürfte Gogle dabei vor allem Demis Hassabis gehabt haben, einen der Gründer und eine bekannte Koriphäe der künstlichen Intelligenz. Die Wette auf das Britische Startup-Unternehmen könnte sich für Google gelohnt haben: Hinter dem Go-Algorithmus stecken nämlich Demis Hassabis und sein Team.
Und beim Brettspiel wird es nich bleiben. Der gleiche Algorithmus kann für alles genutzt werden, was man als Spiel verstehen kann. Dazu zählen nicht nur verbesserte Resultate bei Suchmaschinen sondern auch Investitionsentscheide an der Börse oder die Suche nach der optimalen Behandlung eines Patienten.
