Ich bin heute früh um 5 aufgestanden um Live das erste Spiel des historischen Matches (aus 5 Spielen) von AlphaGo gegen Lee Sedol zu sehen. Hier ist mein Bericht, den ich für Golem.de geschrieben habe. Die über 3 Stunden dauernden Live-Aufzeichnungen des Spiels sind unten verlinkt.

Das Brettspiel Go galt lange Zeit als einer der letzten Bereiche, in denen Menschen Computerprogrammen überlegen waren. Heute hat die künstliche Intelligenz Alpha Go den besten menschlichen Spieler der Welt im ersten von fünf Spielen besiegt: Nach 184 Spielzügen gab der Koreaner Lee Sedol auf.

Das Spiel bietet schon wegen der Brettgröße mehr Zugmöglichkeiten und ist insgesamt deutlich komplexer als Schach. Durch die verwendeten Algorithmen und die begrenzte Rechenleistung der verfügbaren Computer reichten bis zum vergangenen Jahr die Fähigkeiten der besten Programme nicht über das Amateurniveau hinaus. Heute kommentierte Kim Myungwan, ebenfalls ein starker Profispieler, Alpha Go mit den Worten: “Sie spielt wie eine Göttin!”

Das auf neuronalen Netzwerken basierende Programm von Google mit dem Namen Alpha Go hatte bereits im Oktober den europäischen Meister Fan Hui in fünf von fünf Spielen geschlagen. Diese Leistung wurde erst im Januar veröffentlicht, zusammen mit der Ankündigung, dass die künstliche Intelligenz im März ein ähnliches Match gegen Lee Sedol spielen werde.

Lee Sedol gilt als derzeit bester Go-Spieler der Welt, seit er 2014 in einem Match aus zehn Spielen (“Jubango”) den chinesischen Spieler Gu Li mit 6:2 besiegt hat. Für das Match gegen Alpha Go mit fünf Spielen (“Gobango”) ist eine Siegprämie von 1 Million US-Dollar ausgesetzt. Sollte Lee Sedol mindestens drei der fünf Spiele verlieren, wird die Summe an das Kinderhilfswerk Unicef und Vereine für MINT-Förderung und Go-Verbände gespendet.

Alpha Go spielt aggressiver

Alpha Go überraschte im Spiel gegen Lee Sedol mit einer stark verbesserten Spielleistung. Sie spielte deutlich aggressiver als in den Spielen gegen Fan Hui und zeigte weitaus weniger Nachlässigkeiten als noch bei der Auswertung dieser Spiele. Inwiefern die Hardware verbessert wurde, war noch nicht zu erfahren.

Die Spiele im Match werden im Four-Seasons-Hotel in Seoul gespielt und live auf Youtube übertragen. Die offizielle Übertragung für den Google-Mutterkonzern Alphabet wird von Michael Redmond begleitet. Er ist der beste westliche Go-Spieler und der erste, der jemals den höchsten professionellen Go-Rang (9p) erreicht hat. Der 52-Jährige erhielt schon mit 14 Jahren Go-Unterricht in Japan und kommentierte das Spiel für Anfänger; knapp 80.000 Zuschauern sahen zu. In der Spitze hatte das erste Spiel knapp 100.000 Zuschauer, als am Ende des Spiels die Niederlage bereits abzusehen war.


Gleichzeitig kommentierte Kim Myungwan, ein ähnlich starker koreanischer Spieler, für die American Go Association etwas detaillierter.

Das Spiel begann zunächst friedlich. Lee Sedol eröffnete das Spiel mit den schwarzen Steinen und steckte Ansprüche entlang der rechten und oberen Seite ab. Die erwartete Invasion von Alpha Go folgte. Lee Sedol nutzte sie, um Territorium an der rechten Seite zu konsolidieren. Zunächst wirkte diese Invasion schwach, da sie Lee Sedol vergleichsweise viele Punkte sicherte, ohne dass sich Alpha Go vor dessen Steine setzen konnte. Das erinnerte etwas an die Spiele gegen Fan Hui, als Alpha Go generell zu passiv wirkte. Aber in der gegebenen Situation war es dennoch eine vernünftige Strategie, wie sich zeigte

Ich glaube, sie wird gewinnen!

go-24

Schon wenig später zeigte sich der neue Charakter von Alpha Go: Aus passiv wurde aggressiv. In der Folge eines Zugs von Alpha Go nach Zug 24 wurde einer von Lee Sedols schwarzen Steinen in der oberen rechten Ecke vollkommen abgeschnitten und eine weitere Gruppe zwischen weißen Steinen eingeklemmt. Der Koreaner war zum ersten Mal merklich angespannt. Er verlor nun deutlich an Einfluss entlang des oberen linken Bretts.

go-51

Als hervorragender Spieler erkannte Lee Sedol, dass die große Gruppe invadierende Steine dennoch angreifbar war, während er seine eigenen Steine schon abgesichert hatte. So gelang es ihm im Anschluss seinerseits, starken Einfluss im unteren linken Viertel des Bretts aufzubauen. Die Beobachter und Kommentatoren sahen zu diesem Zeitpunkt einen klaren Vorsprung für Lee Sedol. Kim erwartete allerdings schon bei Zug 91 Komplikationen durch Alpha Go, weil die Situation für Schwarz zu bequem war.

go-81

Lee Sedol in Bedrängnis

Das bewahrheitete sich bei Zug 102 mit einer gewagten Invasion mit einem weißen Stein auf der rechten Seite – “der schlechtestmögliche Moment für Schwarz”, kommentierte Kim. Der Versuch, das Territorium auf der rechten Seite zu reduzieren, war durchaus erwartet. Zuvor hatten die Spieler noch um die untere linke Ecke gekämpft. Wer auch immer sich zuerst aus diesem Kampf lösen würde, hätte die Wahl, den Gegner anzugreifen. Es war ein sehr gut gewählter Zug.

go-108

“Alpha Go könnte stärker werden als ich”, kommentierte Kim zu dem Zeitpunkt. “Ich denke, sie ist vielleicht schon stärker als ich. Ich kann nicht mit Sicherheit sagen, dass Lee Sedol gewinnt.” Schon bei der Auswertung der Spiele gegen Fan Hui hatten sich Andrew und Kim auf die weibliche Anrede für Alpha Go geeinigt.

Das Computerprogramm wagt und gewinnt

Überraschend war die Fortsetzung der Invasion. Statt den schwarzen Stein vom Zug 107 abzuschneiden und möglichst nach außen anzubinden oder zumindest damit zu drohen, um anderswo Schwächen auszunutzen, sprang Alpha Go mit einem weißen Stein von Zug 108 noch tiefer in das schwarze Territorium.

Es war ein gewagter Zug, der normaler Intuition widerspricht. Der Schnitt bringt mehr Möglichkeiten mit sich, die Invasion erfolgreich durchzuführen, und das Resultat wäre durchaus gut gewesen. Der Sprung nach innen käme für einen professionellen Spieler nur infrage, wenn er sehr genau weiß, wie die damit verbundenen Spielvariationen ausgehen. Die professionellen Kommentatoren wussten es nicht.

Alpha Go besaß die notwendige Sicherheit, um so einen Zug zu spielen. Kim schlussfolgerte, sie wisse wohl sehr genau, wie die Spielvariationen in dieser Situation verlaufen würden und dass der Zug 108 auf S12 statt des Schnitts bei p8 zu einem noch besseren Resultat führen werde. “Sie spielt wie eine Göttin, ich glaube, sie wird gewinnen!”

go-184

Einige Züge später hatte Alpha Go den Rückstand ausgeglichen und einen leichten Vorsprung aufgebaut, den das Programm nicht mehr abgab. Nach über 3 Stunden Spielzeit und 184 Zügen gab Lee Sedol das Spiel auf. Die nächste Partie steht am Freitag an. Bis dahin werden sicher auch die ersten Statements von Lee Sedol und tiefergehende Analysen des Spiels vorliegen.

Kommentare (19)

  1. #1 LasurCyan
    9. März 2016

    Das Brettspiel Go galt lange Zeit als einer der letzten Bereiche, in denen Menschen Computerprogrammen überlegen waren.

    Naja, das ist aber doch etwas zu pessimistisch formuliert. Innerhalb klarer SpielRegeln/Mustererkennung mag das ja funktionieren, aber die Komplexität menschlichen Denkens werden die Maschinchen auch weiterhin für lange Zeit (oder ewig?) nicht auf dem Schirm haben..

  2. #2 Marcel
    10. März 2016

    Das würde ich so nicht sagen. Es ist klar, dass es sich hier “nur” um eine sogenannte schwache KI handelt, also auf ein eng beschränktes Anwendungsgebiet. Dennoch gehörte es zu den letzten Strategiespielen, in denen der Mensch überlegen war. Das ist jetzt vorbei.

    Verglichen mit komplexen Denkprozessen ist das vielleicht noch nicht viel, aber es ist ein Anfang. Und der muss ja irgendwo gemacht werden. Und die Chancen stehen gut, dass Computer noch im 21. Jahrhundert menschlich Denken und Handeln können.

    Wir Menschen überschätzen ohnehin die Komplexität unseres Denkens. The human brain is the most complex structure in the universe… according to the human brain.

  3. #3 rolak
    10. März 2016

    Naja

    Das hätte ruhig etwas schärfer formuliert werden können, LasurCyan, da die Formulierung im post alles umfassend ist – siehe zB die (auf Spiele beschränkte) Anmerkung nebenan (mit einem hübschen InterpretationsSchaden, btw ;‑) ).

  4. #4 Alderamin
    10. März 2016

    @LasurCyan

    Ich weiß es nicht, ich weiß nicht genau, wie AlphaGo arbeitet, nur dass neuronale Netze verwendet werden. Während meiner Dissertationszeit hatten wir damit auch mal herumprobiert, um die regenbedingten Störungen auf einer Satellitenstrecke für die nächsten Sekunden voherzusagen, und da war ein einfaches neuronales Netz aus weniger als 20 Knoten nach hinreichendem Training fast genau so gut, wie das beste Verfahren aus der Literatur, das die Eigenschaften von regengestörten Satellitenstrecken aufgrund empirischer Messungen und einer physikalischen Theorie dahinter modellierte.

    Das eigentliche Problem dürfte sein, dass wir noch nicht wissen, wie ein menschliches Gehirn im Großen funktioniert (also auf einer Ebene über den Neuronen), wie es organisiert und verdrahtet ist, ansonsten wäre eine solche Simulation vermutlich schon machbar:

    Das menschliche Gehirn hat ungefähr 100 Milliarden Neuronen mit 100 Billionen Synapsen, die alle parallel funktionieren. Um die in Echtzeit (Schaltzeit < 10 ms) zu simulieren (sagen wir mal, wir kämen mit dem Gewichten und Addieren der Synapsenwerte aus), bräuchte es im Schnitt 100 Billionen Multiplikationen und 100 Billionen Additionen pro 1/100 Sekunde, also 20.000 TFLOPS, und das leisten heutige Supercomputer bereits. Man müsste halt nur wissen, welche Neuronen mit welchen Synapsen zu verbinden sind und wie die Anfangsgewichte zu besetzen sind.

    Die derzeitigen Projekte versuchen auf einer detaillierteren Ebene einzelne Nervenzellen und Stränge solcher zu simulieren, um ihre Funktion besser zu verstehen, und auf diese Weise ist der Rechenaufwand noch viel größer. Aber vielleicht reicht auch eine viel einfachere Struktur wie mathematische neuronale Netze zur Simulation von Intelligenz, denn eigentlich funktionieren Neuronen ja im Prinzip wie Schalter, die über die Ausgänge feuern, wenn an den Eingängen eine Schwelle überschritten wird. Das kann man simulieren. Man könnte es später sogar in Hardware gießen und wäre sogar noch schneller als das menschliche Gehirn (oder könnte mit weniger Hardware-Neuronen und Synapsen auskommen).

    Für mich ist es primär eine Frage, wann man verstanden hat, wie das Hirn funktioniert, bevor man es simulieren kann. Und möglicherweise kann das noch sehr lange dauern. Oder es kommt ein Durchbruch und es geht sehr schnell (wie beim Human Genome Projekt). Kann ich schwer abschätzen.

  5. #5 LasurCyan
    10. März 2016

    Das eigentliche Problem dürfte sein, dass wir noch nicht wissen, wie ein menschliches Gehirn im Großen funktioniert (also auf einer Ebene über den Neuronen), wie es organisiert und verdrahtet ist,

    So stellt sich mir das auch dar, Alderamin. Ausserdem halte ich es für fraglich, ob es einen Sinn ergibt, ein Hirn ohne Körper zu simulieren. Grosse Taschenrechner gibts ja schon, wenn ein Gehirn simuliert wäre, müsste es imho den ganz heissen Kram wie Kreativität und so abbilden können. Das wird aus verschiedenen Gründen schwierig. Zum einen ist Kreativität ohne sinnliche Erfahrung unmöglich, somit müssten SinnesOrgane mitverdrahtet werden. Ein Lustzentrum müsste auch noch her, sonst macht das dem Hirn keinen Spass. Das zweite Problem: die Areale, wo was aktiv ist kann man inzwischen zwar darstellen, aber nur sehr ungenau. Hinzu kommt, dass die individuelle Abweichung sehr gross ist. Erschwerend ist die Mehrfachbelegung aufgabenseitig plus komplexe Interaktion zwischen diesen Arealen. Ich fände es sehr spannend, wenn man das irgendwann hinkriegen würde, vermute aber, das jemand kommen wird, der sagt: Das geht nicht. Und sinnlos ist es auch^^

  6. #6 Stefan
    10. März 2016

    @ LasurCyan
    Professor Simon Wright wäre da sicher anderer Meinung gewesen. Damals, in den 80ern, als so was noch ging. https://www.winboard.org/attachments/off-topic-small-talk/73149d1408273789-kleines-assoziationsspiel-2-prof-simon-wright-wip-001.jpg

  7. #7 rolak
    10. März 2016

    Man müsste halt nur wissen, welche Neuronen mit welchen Synapsen zu verbinden sind und wie die Anfangsgewichte zu besetzen sind

    Nein/ja und ja, Alderamin, eigentlich müßte man den Kern kennen, also die Idee des Anfanges einbringen, aufgrund derer ein sich selbst in gewissen Grenzen frei verschalten könnendes Riesentrumm von 08/15-Modulen verschiedener AbstraktionsEbenen¹ zu einem funktionalen Bewußtsein entwickelt, an den ihm gestellten Aufgaben wachsend. Bzw ‘möglichst wahrscheinlich entwickeln könnte‘, denn 100%ig klappts ja beim Meschen auch nicht.

    Klar, dazu müßte man ‘halt nur wissen, welche Neuronen [des Kernes] mit welchen Synapsen zu verbinden sind und wie die Anfangsgewichte zu besetzen sind’, doch das schöne an rekursiven Systemen ist die beim Abstieg ansteigende Einfachheit. Zusätzlich könnte sich dem Ausgangspunkt auch von Seiten der Genetik genähert werden. Wenn ich mich mal frühlingswettergemäß weit aus dem Fenster lehnen darf: Maschinelle Bewußtseine mit Gedächtnis, Wissen und Erfahrung aus der Bastelkiste heraus einzuschalten wird frühestens von, auf jeden Fall aber mit Hilfe von maschinellen Bewußtseinen gemacht werden

    _____
    ¹ etwas höher zB die kortikalen Säulen, einer der “Stränge solcher”

  8. #8 Alderamin
    10. März 2016

    @LasurCyan

    wenn ein Gehirn simuliert wäre, müsste es imho den ganz heissen Kram wie Kreativität und so abbilden können.

    Genau das tun neuronale Netze bereits erfolgreich. In seinem Bereich hat sich – nach Go-Expertenmeinung – AlphaGo als kreativ erwiesen.

  9. #9 Alderamin
    10. März 2016

    @rolak

    Zusätzlich könnte sich dem Ausgangspunkt auch von Seiten der Genetik genähert werden

    Die Idee, die Struktur des Hirns aus dem Gencode abzulesen, hatte ich schon mal an anderer Stelle bei Florian kundgetan und dann gelernt, dass der Gencode nicht einfach so abgelesen werden kann, sondern man muss auch die Ablesemaschine “Zelle” gleich mit simulieren. Es ist kompliziert. Aber im Prinzip steht im Gencode schon irgendwie drin, wie ein Gehirn gebaut wird. Andererseits ist ein künstliches neuronales Netz keine 1:1-Kopie eines Gehirns, was das nächste Problem ist.

  10. #10 LasurCyan
    10. März 2016

    nach Go-Expertenmeinung

    Besagtem Experten gehört aber auch die Firma, die die Software geschrieben hat.

    Schwieriges Feld das ist auch sonst. Kreativität zu messen? Zu quantifizieren? Ich habe keine Ahnung, wie das gehen sollte. Ich weiss aber aus eigener Erfahrung, wie schnell man Maschinchen Kreativität unterstellen kann, weil man dem BestätigungsFehler auf den Leim geht..

    Aber im Prinzip steht im Gencode schon irgendwie drin, wie ein Gehirn gebaut wird.

    Aber nur die HardWare, Alderamin. Das ‘Begreifen’ kommt erst später. Zuerst sogar im Wortsinn..

  11. #11 Ulfi
    10. März 2016

    Unser Wissen über das was im Gehirn abgeht ist schon etwas tiefer. Es wurden große Fortschritte darüber gemacht, wie das gehirn räumliche daten (position eines Balls auf einem tisch) speichert. Neuronale Felder haben ein paar ziemlich coole ergebnisse gehabt und sogar beigetragen neue Effekte beim Menschen zu zeigen. Neuronale Netze hingegen sind nur eine abstrakte sicht auf neuronen, die nichts mit dem echten gehirn zu tun haben.

  12. #12 rolak
    10. März 2016

    sondern man muss

    Klar, Alderamin, daß (selbst inkl Epi)Genetik nicht alles ist, sondern Expression nur in/aus einer funktionalen Zelle erfolgen kann, ist klar (und übrigens sehr weit unten auf der Rekursionsleiter Denken/Körper). ‘Von Seiten’ mag flau formuliert gewesen sein, gedacht war ein ‘Aus <Richtung> kommend’ – was von oben die RekursionsStufen, sind von unten die IntegrationsStufen (non math.).

    keine 1:1-Kopie eines Gehirns

    Nicht doch – es geht um den Kickstarter, der solche einen Klumpatsch von einem minimal funktionierenden Gehirn/Wesen in ein bewußtes interagierendes verwandeln kann, wenn nur genügend input/output-Rückkopplungen stattfinden.

  13. #13 fherb
    10. März 2016

    Hallo! Interessant, Eure Kommumikation.

    Ich war jedenfalls schon letzten Herbst geflasht, als Google diese Bilder veröffentlicht hat, wo ein neuronales Bilderkennungssystem selbst abgespeichte Lerninformation zu Bildinformationen zusammengesetzt hat, die letztlich wie Halluzinationen aussehen. – Das war der Punkt, wo mir klar wurde, daß neuronale Netze tatsächlich sehr gut die Informationsverabeitung im Gehirn beschreiben. Ich kenne solche Halluzinationen schon lange, wenn ich nachts munter werde. Und da bin ich nicht alleine. Allerdings sind das keine Objekte aus dem sozialen Leben (Tiere, Gesichter…) sondern geometrische Figuren, die wie in mehrfachen Kaleidoskopen angeordnet sind und sich auch so bewegen, wie beim Drehen von Kaleidoskopen.

    Mir war schon lange offensichtlich, wie die Bilder im Kopf verarbeitet werden könnten. Dass Bilderkennung spezialisierte Muster erkennt und dabei auch im Bild der Augen Details durch Drehung auf vorgegebene Muster versucht abzubilden. Dass hier die neuronalen Schichten im Schwarzbild sich selbst erregen und dadurch die Muster abbilden, die sie vermutlich sonst selbst im Bild der Augen detektieren. – Erstaunlich und richtig schön ist dabei anzusehen, wie diese geometrischen Farbflächen in fein abgrstuften Drehungen abgebildet werden. Daher der Kaleidoskopeindruck. Nur viel feiner aufgeteilte Winkel.

    Kennt Ihr das auch oder gehöre ich zu einer Minderheit, die sowas sieht?

  14. #14 Alderamin
    11. März 2016

    @fherb

    Als Kind sah ich im Dunklen gelbe und blaue Lichtflächen, die ihre Größe veränderten, wuchsen und wieder verschwanden. Habe ich heute nicht mehr, aber das hat mich damals regelrecht beim Einschlafen gestört. Habe mich darüber bei meinen Eltern beklagt, daran erinnere ich mich noch. Muss so 8-10 Jahre alt gewesen sein.

  15. #15 rolak
    11. März 2016

    Kennt Ihr das auch

    Ziemlich, fherb¹, beim Ausbleiben visueller Reize (vulgo im Dunkeln), erstaunlicherweise fast nur bei geschlossenen Augen was aber auch mit der hohen Lichtempfindlichkeit zusammenhängen kann, ist ‘bunte Bilder’ das Minimalprogramm, wenn auch eher wenig Kaleidoskopiöses, eher anders, fließend (~liquid light show) sich verändernd, ineinander übergehend. Je nach Entspannungs- oder was-auch-immer-Zustand sich mischend mit oder übergehend zu TraumArtigem.

    Andere (insbesondere Schmerz)Reize werden schmal-synästhetisch zusätzlich optisch wahrgenommen.

    _____
    ¹ btw: Ist der nick eigentlich von daher inspiriert oder doch eher á la Dunes ‘Frank Herbert’?

  16. #16 PDP10
    11. März 2016

    @fherb, rolak, Alderamin:

    Das kann man auch ganz ohne Dunkel jederzeit haben:

    Macht mal die Augen zu und drückt dann mit den Handballen auf die Augäpfel, zB indem ihr die Ellenbogen auf einen Tisch stützt und dann den Kopf so auf den Handballen ablegt, dass ihr einen gewissen Druck auf die Augen ausübt – natürlich nicht zu fest!
    Bleibt so und wartet ein paar Sekunden … Zooom!

    Ich weiss nicht genau wie das funktioniert, aber es ist wohl ungefähr so, dass die Zellen in der Retina durch den Druck willkürlich anfangen zu feuern … und der Sehnerv versucht sich einen Reim darauf zu machen.

  17. #17 rolak
    11. März 2016

    Druck

    Das ist hier durchaus bekannt, PDP10, beim Drücken scheint sich mein Brägen darauf zu verlegen, irgendeine Landschaft ins Druckmuster interpretieren zu müssen, anfangs blaß Hamilton-verschwommen, später Detail-ahnen-lassend schärfer mit satten Farben opak überdeckt, mit breitem Pinsel grobflächig lasiert, nach dem Drücken rotationssymmetrische, grelle Muster, schon eher an ‘durchs Kaleidoskop in die Sonne geguckt’ erinnernd, bald verblassend.

    Beides in grellerer Helligkeit als die oben beschriebenen Eindrücke und von deutlich unterschiedlichem Aufbau.

  18. #18 Alderamin
    13. März 2016

    Ein bisschen der Tenor von dem, was ich oben gesagt habe, unklusive Kreativität:

    https://www.spiegel.de/netzwelt/gadgets/alphago-sieg-wendepunkt-der-menschheitsgeschichte-a-1082001.html

    (auch wenn es nicht so ganz richtig ist, dass Schachprogrammierung reines Brute Force ist und da die Zahl der Züge klein genug, um alle auszuprobieren – tatsächlich muss auch beim Schach der Baum der möglichen Züge stark beschnitten werden, was aber aufgrund der gut zu implementierenden Bewertung einer jeden Stellung möglich ist, und genau bei der Bestimmung dieser Bewertung liegt der Hauptunterschied zwischen gut und schlecht spielenden Schachprogrammen)

  19. #19 Alderamin
    13. März 2016

    Tausche ein u gegen ein i, oder Wurstfinger gegen Feinmotorik. ;-)