Alpha Zero

Bei Alpha Zero handelt es um ein autodidaktisches Computerprogramm. Entwickelt hat es DeepMind, eine Tochterfirma von Google. Die Firma versucht, mit Alpha Zero herauszufinden, inwieweit künstliche Intelligenz in den Alltag integriert werden kann. Alpha Zero arbeitet nach dem Prinzip des „Deep Learning“. Dabei erhält der Computer Informationen, die er nach Vorgabe des Algorithmus verarbeitet. Doch der Lernprozess bleibt an dieser Stelle nicht stehen. Denn Alpha Zero kann die Ergebnisse, die sich aus der Kombination der unterschiedlichen Variablen ergeben, in den Informationsverarbeitungsprozess einarbeiten.

Es hört sich futuristisch an, aber Alpha Zero hat sich verschiedene Taktikspiele selbst beigebracht. Dabei wurde der Computer zunächst mit den Spielregeln gefüttert. Anhand dieser Informationen hat der Computer erst einmal gegen sich selbst gespielt und verschiedene Eröffnungszüge und Taktiken erlernt. Das hört sich vielleicht erst einmal sehr einfach an, aber für einen Computer ist das eine riesige Leistung. Er muss die vorhandenen Informationen mit den jeweiligen Spielzügen kombinieren und daraus Rückschlüsse auf späteres Verhalten ziehen.

Die von DeepMind entwickelte Software arbeitet mit Algorithmen, die für die Berechnung von Hyperparametern verwendet werden. Dabei werden die durch das Spiel dazu gewonnenen Informationen in die Berechnung der weiteren Spielzüge einbezogen. Im Schach gibt es unentschieden als Spielergebnis. Das Programm versucht daher, nicht nur die Partie zu gewinnen, sondern den Ausgang zu optimieren.

Schach ist ein Spiel für zwei Personen, bei dem die Spieler über sämtliche Informationen verfügen. Sie sind über die Stellung der eigenen wie auch der fremden Spielfiguren informiert. Alpha Zero benötigt für seine Züge beim Schach wesentlich weniger Rechenoperationen als das Schachprogramm Stochfish. Trotzdem konnte Alpha Zero von 100 Partien 28 Siege verbuchen. 72 Mal gingen die Spiele unentschieden aus. Bei 12 Serien mit jeweils 100 Spielen gewann Alpha Zero 290 Mal, 24 Siege verbuchte Stochfish für sich. 886 Partien gingen unentschieden aus. Kritiker bemerkten, dass die Partien deutlich knapper ausgegangen wären, hätten die Programme Eröffnungsdatenbanken benützen dürfen. Das Ergebnis zeigt aber, wie überlegen Alpha Zero auf Grund des neuen Algorithmus ist.

All diese Informationen kann das Programm verarbeiten, weil eine große Rechenleistung zur Verfügung steht. Die Software wurde auf einem Rechner mit gigantischer Rechenleistung installiert, um die Regeln und Taktiken von Schach zu erlernen. Anschließend wurde Alpha Zero auch auf einem wesentlich kleineren Computer mit geringerer Rechenleistung installiert.

Ohne menschliches Fachwissen könnte Alpha Zero nicht so Schach spielen.

Auch wenn Alpha Zero über eine gigantische Rechenleistung mit 80.000 Optionen pro Sekunde verfügt, kommt diese nicht an die Leistung des neurologischen Netzwerks des Menschen heran. Der Mensch verfügt über mehrere Millionen Nervenzellen. Alleine eine Nervenzelle erhält von 10.000 Nervenzellen Informationen. Damit ist das neurologische Netz des Menschen in der Lage, Millionen von Inputs innerhalb einer Millisekunde zu verarbeiten.

Alpha Zero zeigt mit seiner Dominanz beim Schach, dass Computer mit einem überwachten Lernen erstaunliche Leistungen vollbringen können. Was Schach betrifft, kann die Software aus eigenen Fehlern lernen und Rückschlüsse daraus in den weiteren Verlauf des Spiels einbauen. Die Ergebnisse, die mit dem Programm erreicht werden, sind atemberaubend. Die Leistung des Algorithmus reicht aber bei Weitem nicht an die Möglichkeiten heran, über die das menschliche Nervennetz verfügt.

Das Anwendungsfeld von künstlicher Intelligenz, wie sie bei Alpha Zero Verwendung findet, liegen in der Simulation von Vorgängen. Alpha Zero hat gezeigt, dass die Software auf Grundlage von Informationen komplexe Zusammenhänge simulieren kann und mögliche Lösungen für die Problemstellung errechnen kann. Bei Informationen, die auf den ersten Blick zu unübersichtlich sind, kann ein solcher Algorithmus sortieren und die entsprechenden Folgerungen daraus ziehen.

Im Alltag werden wir immer wieder mit Situationen konfrontiert, die durch hohe Komplexität bestechen. Dazu kommt, dass Beteiligte meistens nicht über alle relevanten Informationen verfügen. Diese Situationen gleichen dem Pokerspiel. Hier verfügen die Spieler lediglich über die Informationen der eigenen Karten. Mimik und Gestik der Kontrahenten können Aufschluss über die Chancen, das Spiel zu gewinnen, geben. Allerdings sind diese Informationen unsicher. Niemand weiß, welche Karten die anderen Spieler auf der Hand haben. Ein Mathematiker könnte auf Grundlage der eigenen Karten mathematisch die eigenen Gewinnchancen ermitteln. Experimente mit künstlicher Intelligenz zeigen, dass Algorithmen inzwischen auch mit unvollständigen Informationen umgehen können und damit auch beim Pokern erfolgreich sind. Deep Learning beschreibt genau diesen Zusammenhang. Computer können mit Hilfe von Hintergrundinformationen und durch Ausprobieren ihr eigenes Wissen und damit ihren Handlungsspielraum erweitern. Der große Unterschied zum Menschen ist, dass Computer die vorhandenen Informationen nur nach genau festgelegten Regeln auswerten können.

Auch wenn Algorithmen und Computertechnik im Alltag immer wichtiger werden, so kommt diese Technik noch nicht an die menschlichen Fähigkeiten heran. Eine einzelne Nervenzelle kann mehr als das Hundertfache an Informationen verarbeiten, als ein Algorithmus. Computer sind in der Lage, Strategien für komplizierte Spiele wie Go oder Schach zu entwickeln und diese anzuwenden. Doch fällt es ihnen schwer, Bewegungen des menschlichen Körpers nachzuahmen.

In der Zukunft wird es darum gehen, künstliche Intelligenz unterstützend im Alltag einzusetzen. Die Technik ist wunderbar dafür geschaffen, komplexe Informationen zu sammeln und daraus die entsprechenden Rückschlüsse zu ziehen. Beispielsweise ließe sich künstliche Intelligenz praktisch in der Neurologie und der Orthopädietechnik einsetzen. Künstliche Intelligenz könnte bei entsprechender Rechenleistung den neurologischen Informationsfluss ergänzen und damit Fehlfunktionen im Bewegungsablauf verhindern.

Die Forschung ist hier aber noch am Anfang. Denn die neurologischen Abläufe für Arm- und Beinbewegungen sind äußerst komplex. Aktuell arbeiten Forscher an der taktilen Wahrnehmung einer Roboterhand, um einen Gegenstand hochzuheben.

Heute findet künstliche Intelligenz schon Anwendung in Smartphones. Bestimmte Funktionen analysieren Fotos und erkennen Gegenstände und Gesichter. Sie suchen Informationen und finden Ähnlichkeiten etwa bei der Recherche im Internet.

Die Einsatzmöglichkeiten von Alpha Zero gehen über das Spielen von Schach hinaus. Im Alltag gibt es viele Bereiche, in denen intelligente Systeme ihre Berechtigung finden. Wer an die heutigen Smartphones denkt, der sieht, was künstliche Intelligenz beispielsweise in der Bilderkennung schon leistet. Es ist zu hoffen, dass künstliche Intelligenz als Unterstützung des autonomen Fahrens zum Einsatz kommt. Künstliche Intelligenz kann heute schon über Sensoren andere Verkehrsteilnehmer erkennen und deren Verhalten einschätzen. Ein Einsatz intelligenter Software kann so im Ernstfall im Straßenverkehr Leben retten. Im Alltag gibt es vielfältige Einsatzmöglichkeiten, bei denen Menschen bei der Einschätzung von Situationen durch künstliche Intelligenz unterstützt werden können. Zu hoffen bleibt, dass Algorithmen, wie sie im Alpha Zero Anwendung finden, stets zum Wohle der Menschen eingesetzt werden.