Go-Programm von Google schlägt Profispieler

Google meldet einen neuen Erfolg seiner Forschung im Bereich Künstliche Intelligenz. Sein Programm AlphaGo hat den besten europäischen Go-Spieler in einer Folge von fünf Spielen 5:0 besiegt. Die Serie wurde bereits im Oktober gespielt; Google hat jetzt lediglich seine Zusammenfassung publiziert.

Das auf einem Brett aus 19 mal 19 Feldern gespielte, aus China stammende Brettspiel Go ist etwa 2500 Jahre alt. Es gilt als ungleich komplexer zu berechnen als etwa Schach. Die MIT Technology Review berichtet, ein Algorithmus auf dem Niveau von Profispielern sei erst in etwa zehn Jahren erwartet worden.

„Der Schlüssel zu AlphaGo war es, den enormen Raum an Suchmöglichkeiten auf etwas Handlicheres zu reduzieren“, heißt es in einem Blogbeitrag der Google-Forscher David Silver und Demis Hassabis. Darum kombinierten sie zwei neuronale Netze. Das erste bezeichnen sie als „Policy Network“, also für grobe Richtlinien zuständig. „Es sagt den nächsten Zug vorher und wird verwendet, um die Suche auf diejenigen Züge zu beschränken, die am wahrscheinlichsten zum Sieg führen.“ Das zweite heißt „Value Network“. Es reduziert die Tiefe des Suchbaums und „schätzt in jeder Position den wahrscheinlichen Sieger, statt jeweils bis zum Ende des Spiels zu gehen.“

Trainiert wurde das System für Maschinelles Lernen durch Analyse von 30 Millionen Spielen menschlicher Experten. Anschließend spielte es 100-mal gegen sich selbst, um sich zu verbessern. Gegen andere Go-Programme entschied AlphaGo 499 von 500 Partien für sich.

Der dreifache europäische Meister ist der bisher beste von AlphaGo besiegte Spieler. Fan Hui ist in China geboren, tritt heute aber für Frankreich an. Er hat den 2. Dan-Grad inne, es gibt also noch acht höhere Ränge. Für März ist ein Spiel gegen Lee Sedol angesetzt, der den 9. Profi-Dan besitzt.

Vergleich der Spielstärke von AlphaGo, anderer Go-Programme und des europäischen Meisters (Diagramm: Google).

Google betont, die Bedeutung des Projekts liege nicht in der Beherrschung von Go. Vielmehr könnten solche Techniken für Maschinelles Lernen auch in der Klima-Modellierung und der Analyse von Krankheiten eingesetzt werden. „Während Spiele die perfekte Plattform für die Entwicklung und Tests von KI-Algorithmen sind, wollen wir diese Techniken letztlich für wichtige Probleme der echten Welt einsetzen.“

Auch IBMs Supercomputer Watson war durch ein Spiel bekannt geworden – die Quizshow Jeopardy. Während Go Probleme durch seine Tiefe bereitet, war bei Watsons Auftritt auch das Verständnis von Fragen in natürlicher Sprache und das Formulieren der Antworten eine Herausforderung – zusätzlich zur Analyse großer Datenmengen.

[mit Material von Chris Duckett, ZDNet.com]