Menü
 | Technology Review

Selbstlernende KI: Neuer Schachcomputer spielt auf Profi-Niveau

Eine Künstliche Intelligenz untersucht und bewertet die Stellungen von Schachfiguren auf dem Spielbrett. Das System lernt mithilfe eines neuronalen Netzwerks wie ein Mensch.

Schach

(Bild: Liz West / Flickr / cc-by-2.0 )

Der Computerwissenschaftler Matthew Lai hat eine Künstliche Intelligenz entwickelt, die sich selbst das Schachspiel beigebracht hat – innerhalb von 72 Stunden. Die Technologie namens „Giraffe“ basiert auf einem künstlichen neuronalen Netzwerk. Solche Netze ähneln dem Aufbau nach den Neuronen im menschlichen Gehirn und bestehen aus mehreren Ebenen von Knotenpunkten, die je nach Aufgabe neue Verbindungen schaffen. Durch die verschiedensten Beispiele "lernen" diese Netzwerke, berichtet das Magazin Technology Review in seinem Text "Schachcomputer bringt sich das Spielen bei".

Der neue Computer spielte in Tests bereits auf dem Level von Internationalen Meistern, berichtet der Wissenschaftler vom Imperial College London in seiner Publikation. Das entspricht etwa einer Elo-Zahl von 2.400, einer Wertungszahl des Weltschachbundes FIDE. Giraffe zähle damit zu den 2,2 Prozent der besten Schachspieler nach dieser internationalen Wertung.

Für Giraffe kommt es – unter anderem – auf eine große Menge an verfügbaren Daten an, mit denen es trainiert werden. Lai nutzte dafür einen Datensatz von fünf Millionen zufällig ausgewählten gültigen Stellungsbildern. Um diese Basis zu vergrößern, fügte er jeder Figurstellung einen erlaubten Spielzug hinzu. Auf diese Weise ließ er Giraffe schließlich mit einem Datensatz von 175 Millionen Positionen trainieren – und gegen sich selbst spielen.

Andere Schachprogramme sind darauf ausgelegt, in einer Sekunde Millionen von Spielzügen durchzurechnen. Ihre Entwickler haben jahrelang an Parametern gearbeitet, das Wissen von Schachweltmeistern einfließen lassen und große Datenbanken aufgebaut, um ein Spiel möglichst weit vorauszuberechnen. Bei Giraffe geht es jedoch nicht um den weiten Blick voraus. Das System sollte durch das Training vielmehr lernen, Muster von Spielzügen zu erkennen und Strategien zu bewerten.

Beim Spiel gegen sich selbst galt es herauszufinden, welchen Wert eine Stellung für Figuren hat und wie dieser sich auch im Spielverlauf verändern kann. Es sei, so der Forscher Lai, in der Lage, schwierige Positionierungen exakt zu beurteilen. Bisher gelinge das nur dem Menschen intuitiv.

Der Forscher ist zuversichtlich, den Ansatz auch auf andere Spiele übertragen zu können, etwa auf das Spiel Go. Dort sind Menschen den maschinellen Systemen noch weit voraus.

Den Artikel finden Sie auch bei Technology Review Online:

Anzeige
Zur Startseite
Anzeige