Schachcomputer lernt durch Lesen

Einem Algorithmus ist es gelungen, durch das Auswerten von Experten-Kommentaren die Grundzüge von Schach und einige Strategien zu verstehen. Das Prinzip könnte auch in der Praxis nützlich werden.

Lesezeit: 3 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 2 Beiträge
Schachcomputer lernt durch Lesen

(Bild: Photo by Dan Hodgkins on Unsplash)

Von
  • Will Knight

Über nichts diskutieren Schach-Fans lieber als über ein meisterhaftes Opfer von Bobby Fischer oder eine geniale Angriffsfigur des amtierenden Weltmeisters Magnus Carlsen. Wie sich jetzt zeigt, könnten solche Gespräche KI-Programmen dabei helfen, das Spiel auf eine neuartige Weise zu erlernen. Und eines Tages sollen Maschinen den emotionalen Inhalt von Sprache nutzen, um auch eine Reihe von Praxis-Aufgaben zu meistern.

Der Schach-Algorithmus namens SentiMATE wurde entwickelt von einem Team von Forschern am University College London. Er evaluiert die Qualität von Zügen, indem er die Reaktionen von Experten-Kommentatoren analysiert.

Dazu wertete das Team zunächst 2.700 Kommentare zu Schachpartien aus, die online verfügbar sind. Bemerkungen, die sich nicht auf schwierige Zügen bezogen, und solche, die nicht eindeutig genug waren, wurden ausgesiebt. Dann nutzten die Forscher eine spezielle Art von rekurrenten neuronalen Netzen und Word Embeddings (einem mathematischen Verfahren, mit dem Worte auf Grundlage ihrer Bedeutung verbunden werden), die mit einem anderen fortgeschrittenen Modell für die Analyse von Sprache trainiert wurden.

Künstliche Intelligenz (KI) hat zuletzt deutliche Fortschritte bei der Auswertung von Sprache gemacht. So haben Forscher von OpenAI einen Algorithmus entwickelt, der in der Lage ist, vollständige neue Geschichten zu generieren.

"Der nächste Schritt bei der Verarbeitung natürlicher Sprache besteht darin, diese gelernten Informationen in konkrete Maßnahmen zur Lösung von Aufgaben in der realen Welt zu konvertieren", erklärten die Forscher vom University College auf Anfrage in einer E-Mail. "Wir haben überlegt, dass das Erlernen von Strategie aus textbasierten Daten eine sehr interessante Forschungsrichtung sein könnte."

SentiMATE überraschte die Forscher mit seiner Fähigkeit, einige der Grundzüge von Schach sowie einige wichtige Strategien herauszufinden. Ein Beispiel dafür ist der Gabel-Angriff (wenn zwei oder mehr Figuren gleichzeitig bedroht werden) oder die Rochade (bei der König und Turm hinten auf dem Feld in eine defensivere Positionen wechseln).

Ein KI-Großmeister wurde der Algorithmus damit noch nicht: Bei Partien gegen konventionelle Schachcomputer konnte er mehrfach nicht gewinnen. Aber er zeigt das Potenzial, mit Hilfe von Sprache herauszufinden, wie das Spiel gut zu spielen ist. Dafür wurden weniger Trainingsdaten und weniger Rechenleistung als für konventionelle Ansätze gebraucht.

Mehr Infos

Schach ist seit langem ein Maßstab für Fortschritte bei maschineller Intelligenz. Schon 1951 schrieb Alan Turing (auf Papier) ein Programm dafür, viele Jahre später wurde Garry Kasparov von IBMs Deep Blue geschlagen. In jüngerer Vergangenheit hat die Alphabet-Tochter DeepMind eine Schach-Variante von AlphaGo demonstriert, also des Programms, das eigenständig das chinesische Brettspiel Go erlernt hat. AlphaZero wurde mit den Regeln des Spiels gefüttert und hat sich dann verbessert, indem es gegen andere Versionen von sich selbst spielte – dadurch entwickelte das Programm einige ungewöhnliche und überraschende Strategien. Doch wie schon Deep Blue brauchte AlphaZero dafür Tausende der als Tensor Processing Units (TPUs) bezeichneten speziellen Google-Chips sowie Daten von Millionen Übungsspielen.

Nach Angaben der Entwickler könnten die Lerntechniken von SentiMATE viele praktische Anwendungen über Schach hinaus erschließen. So sollen sie Maschinen dabei helfen können, Sportveranstaltungen zu analysieren, Finanzaktivität vorherzusagen und bessere Empfehlungen zu erstellen. "Es gibt eine Fülle von Büchern, Blogs und Fachaufsätzen, die nur darauf warten, dass aus ihnen gelernt wird", erklärt das Team.

(sma)