Deep Learning ist meist ein überflüssiger Begriff
Was denken wir über die GMLS-Nutzung anderer Menschen?
Nebenbei hatte ich mich damals auch mit dem Turing-Test (Biblionetz:w1) beschäftigt und meinen eigenen Chat-Roboter (Biblionetz:w1151) betrieben, mit dem sich meine Studierenden unterhalten mussten, um zu erkennen, wie leicht man mit einem Computer Standardsituationen eines Chats meistern kann.
Doch irgendwie scheint mir das alles lange her zu sein. Das Moore'sche Gesetz (Bibblionetz:w862) hat dazu geführt, dass die Rechenleistung und die Speicherkapazitäten von Computern eben exponentiell zugenommen haben. Nun gut, jetzt können Computer das Gleiche wie früher eben schneller, was soll's?
In letzter Zeit bin ich mir da nicht mehr so ganz sicher und ich habe mir deshalb vorgenommen, die Bücher, die ich vor 15-20 Jahren erstmals gelesen hatte, wieder mal hervor zu nehmen und erneut zu studieren: Wo liegen die Grenzen dessen, was Computer können?
Zwei Ereignisse, die mich zu diesem Schritt bewegt haben: Vor vielen Jahren (Wikipedia weiss, vor wie vielen genau) hat der Computer den Weltmeister im Schach geschlagen. Die einen waren fasziniert oder erschüttert, die anderen haben glaubhaft erläutert, dass der Computer einfach schneller und somit weiter vorausplanen könne in einem logisch absolut eindeutigen und abgeschlossenen Bereich - kein Grund zur Panik also. Im Frühling 2016 hat ein Computer von Google den Weltmeister im Spiel Go 4:1 geschlagen. Auf den ersten Blick eine klare Folge des Moore'schen Gesetzes: Go ist um einiges komplexer als Schach, also hat es einfach ein paar Jahre länger gedauert, bis der Computer so leistungsfähig war, um auch in Go zu brillieren.
Was mich jedoch beunruhigt hat, war die Reaktion der Berufs-Go-Spieler:
Und alle stutzten hier und da und wunderten sich über unkonventionelle und abenteuerliche Züge der KI, die aber funktionierten.
Nun ist es selbst für den Go-kundigen Amateur kaum nachzuvollziehen, wieso die Profis einen Zug als innovativ bezeichnen, ist doch praktisch jede Stellung mit mehr als 20 Steinen auf dem Go-Brett einmalig und vermutlich noch nie zuvor gespielt worden. Aber aus der einhelligen Meinung der Kommentatoren zu bestimmten Zügen kann man schließen, dass AlphaGo über seine Schöpfer hinausgewachsen ist.
Das ist vielleicht nicht ganz verwunderlich. Die neuronalen Netze, die zentraler Bestandteil von AlphaGo sind, wurden nämlich nur zu Beginn mit Millionen von Stellungen aus Partien starker menschlicher Spieler trainiert. Hier lernten sie zunächst, Menschen in ihrem Spiel zu imitieren. Dann kam aber eine Phase des Reinforcement Learning: Das neuronale Netz spielte Millionen von Partien gegen sich selbst und lernte daraus, wie man dieses Spiel noch besser spielt. Während ein werdender Profi in Asien sein halbes Leben damit verbringt, das Jahrhunderte alte Wissen und die Traditionen zu verinnerlichen, durfte AlphaGo ganz alleine lernen, ohne die Vorurteile eines Lehrers.
So sah denn Michael Redmond nach dem Zwischenstand 3:0 für den Computer das Go mitnichten dem Untergang geweiht, sondern spekulierte sogar, dass vielleicht durch die Computer eine dritte Revolution der Eröffnungstheorie bevorsteht.
Quelle: Haradl Bögeholz Jubel und Ernüchterung c't 7/2016, S. 44 (Biblionetz:t19295).
Nun ist es selbst für den Go-kundigen Amateur kaum nachzuvollziehen, wieso die Profis einen Zug als innovativ bezeichnen, ist doch praktisch jede Stellung mit mehr als 20 Steinen auf dem Go-Brett einmalig und vermutlich noch nie zuvor gespielt worden. Aber aus der einhelligen Meinung der Kommentatoren zu bestimmten Zügen kann man schließen, dass AlphaGo über seine Schöpfer hinausgewachsen ist.
Das ist vielleicht nicht ganz verwunderlich. Die neuronalen Netze, die zentraler Bestandteil von AlphaGo sind, wurden nämlich nur zu Beginn mit Millionen von Stellungen aus Partien starker menschlicher Spieler trainiert. Hier lernten sie zunächst, Menschen in ihrem Spiel zu imitieren. Dann kam aber eine Phase des Reinforcement Learning: Das neuronale Netz spielte Millionen von Partien gegen sich selbst und lernte daraus, wie man dieses Spiel noch besser spielt. Während ein werdender Profi in Asien sein halbes Leben damit verbringt, das Jahrhunderte alte Wissen und die Traditionen zu verinnerlichen, durfte AlphaGo ganz alleine lernen, ohne die Vorurteile eines Lehrers.
So sah denn Michael Redmond nach dem Zwischenstand 3:0 für den Computer das Go mitnichten dem Untergang geweiht, sondern spekulierte sogar, dass vielleicht durch die Computer eine dritte Revolution der Eröffnungstheorie bevorsteht.
- Biblionetz:b00029 Douglas Hofstadter: Gödel, Escher, Bach (1979)
- Biblionetz:b00012 Douglas Hofstadter & Daniel C. Dennett: * Einsicht ins Ich* (1981)
- Biblionetz:b00027 John R. Searle: Geist, Hirn und Wissenschaft (1984)
- Biblionetz:b01496 Marvin Minksy: The Society of Mind (1985)
- Biblionetz:b00193 Hubert L. Dreyfus & S. Dreyfus: Mind over Machine (1986)
- Biblionetz:b00015 Roger Penrose: Computerdenken (1989)
- Biblionetz:b00061 Francisco Varela, Evan Thomson & Eleanor Rosch: Der mittlere WEg der Erkenntnis (1991)
