Der Weg zum selbständigen Lernen
In den folgenden Abschnitten soll die Entstehungsgesichte von künstlicher Intelligenz daran erklärt werden, wie Algorithmen erlernen, Spiele zu spielen.
Auf dem Weg zu heutigen KI-gestützten Programmen, durchliefen die verwendeten Algorithmen verschiedene Stadien der Selbstständigkeit. Zunächst war der Mensch selbst die beste Maschine. Im Schachtürken
wurden in der zweiten Hälfte des 18. Jahrhunderts Menschen versteckt, um künstliche
Intelligenz vorzutäuschen. Der erste richtige Schachcomputer wurde erst 200 Jahre später von IBM entwickelt. Dieser basierte auf expliziten Regeln, die den besten nächsten Zug vorhersagen sollten. Auf diese Weise konnte der Computer hier erstmals gegen einen menschlichen Schachweltmeister gewinnen. Noch komplexer wurden die Algorithmen als Computer das Spiel Go
, das komplizierteste Spiel der Welt, erlernen sollten. Hier war es nicht mehr möglich, die besten Züge im Voraus zu berechnen. Also musste das Programm anhand von zahlreichen durchgespielten Spielen Muster erlernen, um den wahrscheinlich besten Weg zum Gewinnen zu berechnen.
Der Schachtürke
Der Schachtürke, auch bekannt als Mechanischer Schachspieler, war ein Schachroboter, der 1769 von Wolfgang von Kempelen konstruiert wurde. Die Maschine bestand aus einer Figur eines Mannes in türkischer Tracht, der hinter einem Schachbrett saß und scheinbar eigenständig spielte. Der Schrank hatte eine Glastür, die es den Zuschauern erlaubte, das Innere zu sehen, wo sich angeblich die Mechanik befand. Der Mechanismus war jedoch eine raffinierte Täuschung: In Wirklichkeit verbarg sich im Inneren des Schachtürken ein Mensch, meist ein guter Schachspieler, der die Züge ausführte.
Der Schachtürke steht hinter einem geöffneten Schrank. Drunter sitzt ein Mensch, der die Figuren führt.
CC BY SA 4.0 Luise Wüstling und KI Makerspace
Kempelen und später die Nachbesitzer tourten mit der Maschine durch Europa und stellten sie verschiedenen Persönlichkeiten vor. In Paris verlor der Schachtürke jedoch gegen den damaligen weltbesten Schachspieler, was Zweifel an der Unbesiegbarkeit der Maschine aufkommen ließ. Die undurchschaubare Funktionsweise führte zu zahlreichen Gerüchten und immer wieder kamen Zweifel auf, dass der Schachtürke wirklich eine Maschine sei. Dennoch blieb die Maschine bis ins 19. Jahrhundert eine Publikumsattraktion, bevor sie schließlich durch Feuer zerstört wurde. Die tatsächliche Funktionsweise wurde 1834 entlarvt.
Hören Sie hier (erstellt mit ChatGPT 3.5 Schreib einen kurzen spannenden Text über den Schachtürken mit obiger Information" [Wikipediaeintrag zum Schachtürken], 8.2.2024, dazu ein Bild mit DALL-E3 mit dem Befehl "Generiere ein Bild, passend zu folgendem Text: [generierter Text von davor]
vertont mit Voicebooking, Lizenzfrei):
Schachcomputer
Der Begriff Künstliche Intelligenz
wurde als erstes vom Programmierer John McCarthy verwendet. Die von ihm organisierte Konferenz im Sommer 1956 am Dartmouth College, USA, bezeichnet man auch häufig als Geburtsstunde der KI. Im Förderantrag der Darthmouth Conference schrieben die Wissenschaftler: Wir gehen davon aus, dass jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz prinzipiell so genau beschrieben werden kann, dass man eine Maschine dazu bringen kann, es zu simulieren
. Viele der Wissenschaftler, die an der Konferenz teilnahmen, haben das neue Forschungsfeld geprägt.
Bis gut 30 Jahre später der erste richtige Schachcomputer programmiert wurde, der ohne menschliche Hilfe während des Wettkampfs gegen Schachgroßmeister gewinnen konnte, waren noch einige weitere Entwicklungsschritte nötig. Dazu gehörte der erste Chatbot namens ELIZA, der in einem späteren Kapitel behandelt wird.
Der erste richtige Schachcomputer war der Deep Blue vom IBM. Insbesondere das erfolgreiche Spiel gegen den damaligen Schachweltmeister Garri Kasparov im Jahr 1996 beeindruckte die Menschen. Im folgenden Jahr konnte Deep Blue auch einen Wettkampf unter Turnierbedingungen gegen Kasparov gewinnen. Deep Blue war ein leistungsfähiges System, das im Durchschnitt 12 Züge im Voraus berechnen konnte, um eine optimale Strategie zu entwickeln. Hinterlegt waren 8000 Regeln und ein Punktesystem, um eigene Punkte zu maximieren und gegnerische Punkte zu minimieren. Die Punkte ergaben sich aus der Stellung und Anzahl der Figuren.
Kasparov sitzt einem Computer gegenüber und schwitzt beim Durchdenken des nächsten Zuges.
CC BY SA 4.0 Luise Wüstling und KI Makerspace
Im Grunde konnte Deep Blue jedoch nur durch seine enorme Rechenleistung gewinnen, die Regeln waren aber explizit einprogrammiert worden. Anders sieht es bei dem Spiel Go aus, das 20 Jahre später durch Algorithmen bezwungen wurde.
AlphaGo
Das chinesische Strategiespiel Go hat komplexe Regeln und unzählige mögliche Zugkombinationen. Deshalb galt es lange Zeit als ultimativer Test für künstliche Intelligenz. Anders als bei Schach, kann hier der Computer nicht durch reine Rechenleistung gewinnen, weil es nicht möglich ist, alle Züge im Voraus zu berechnen. Hier konnten also weder explizite Spiel-Regeln weiterhelfen noch heuristische Methoden, um die Spielstellung zu bewerten. Die Schlüsselinnovation hinter AlphaGo war die Kombination aus überwachtem Lernen und Verstärkungslernen sowie statistischer Optimierung von Zufallszügen. Dazu werden wir später noch mehr erfahren. Die Idee dahinter ist, dass das Programm zahlreiche echte Spiele gesehen
hat und anhand dieser während des Spiels den wahrscheinlich besten Zug berechnen konnte. 2016 schlug das Programm den Go-Weltmeister Lee Sedol.
Go-Brettspiel
CC BY SA 4.0 Luise Wüstling und KI Makerspace
Bei den Weiterentwicklungen von AlphaGo wurde Vorwissen über menschliche Züge entfernt und nur die Regeln des jeweiligen Spiels einprogrammiert. Anschließend trainiert das Programm selbständig in unzähligen Spielen gegen sich selbst und erlernte so die beste Spielstrategie. So konnte das Programm innerhalb kurzer Zeit jegliches Spiel erlernen.
Der Sieg von AlphaGo über Lee Sedol war nicht nur ein Triumph für die Entwickler von DeepMind, sondern auch ein Wendepunkt in der Geschichte der künstlichen Intelligenz. Er unterstrich die Fähigkeit von Maschinen, regelbasierte Prozesse zu verstehen
und sogar menschliche Fähigkeiten in einzelnen Disziplinen zu überbieten.
Regelbasierte Systeme werden auch als symbolische KI bezeichnet und ein anderer Begriff für selbstlernende Systeme ist subsymbolische KI.
| Merkmal | Regelbasierte KI-Systeme | Selbstlernende KI-Systeme |
| Repräsentation |
Symbole, Logik, Regeln, Wenn-Dann-Regeln |
Gewichte in Neuronalen Netzen etc. |
| Lernweise | Explizite Wissensbasis von Experten | Erkennen von Mustern in großen Datenmengen |
| Erklärbarkeit | Ergebnisse sind interpretierbar und transparent | Ergebnisse schwer nachvollziehbar (Black Box) |
| Flexibilität | Wenig flexibel |
Sehr flexibel - kann verschiedene Probleme lösen |
| Stärken | Zuverlässig bei klaren Aufgaben | Leistungsstark bei komplexen Problemen |
| Schwächen | Scheitert bei unvorgesehenen Situationen | Abhängig von der Qualität und Quantität der Trainingsdaten |