Eigentlich hatte Lee Sedol ja die schwarzen Steine in seiner ersten Matchpartie gegen das Computerprogramm AlphaGo – als er dann irgendwann um 8 Uhr 35 deutscher Zeit einen weißen Stein ergriff und auf dem Brett postierte, da blieb den Kommentatoren bei der Live-Übertragung auf YouTube erst mal die Spucke weg. “Ich glaube, er hat gerade die Partie aufgegeben” fiel dann bei Michael Redmond, immerhin der beste westliche Go-Spieler und wie Lee Sedol ein 9-dan-Großmeister, der Groschen. Redmond hatte nämlich in der Endspielphase auch schon immer wieder ansatzweise überschlagen, wer in der Partie eigentlich das größere Gebiet erobert hatte, aber dabei noch kein endgültiges Ungleichgewicht gesehen. Lee selbst wusste es besser.
Das Partieende wie aus heiterem Himmel – jedenfalls für die Beobachter in dieser Übertragung; andere Kommentatoren hatten den Braten schon früher gerochen – macht deutlich, wie extrem schwierig beim Go die Stellungsbewertung ist. Und genau das war auch bislang das Hauptproblem für Computerprogramme, die letzte Bastion des Denksports im Kampf Mensch gegen Maschine zu schleifen – beim Schach war der Drops bekanntlich schon länger gelutscht.
Offenbar hat AlphaGo seit dem Match im Oktober gegen den mehrfachen Europameister Fan Hui dazugelernt (Fan Hui, der ja 0-5 unter die Räder gekommen war, ist übrigens jetzt einer der Schiedsrichter und verspürt vielleicht eine ganz kleine Genugtuung, dass AlphaGo nun jemand anders quält. Vielleicht drückt er aber auch Lee Sedol in menschlicher Empathie ganz fest die Daumen…) – das “Dazulernen” kann man wörtlich nehmen, denn die neuronalen Netze von AlphaGo trainieren sich selbstständig weiter, mit Millionen von gegen sich selbst gespielten Partien, ohne dass ihnen die Programmierer vorgeben müssen, was gut oder was schlecht ist.
Es ist sogar genau anders herum – im Grunde wissen selbst die Macher von AlphaGo bei Googles (bzw. Alphabets…) Tochterfirma “Deep Mind” nicht ganz im Detail, was sich eigentlich in der “Black Box” zwischen der Eingabe- und Ausgabeschicht der neuronalen Netze entwickelt hat. Möglicherweise hat AlphaGo Erkenntnisse über das Go-Spiel herausdestilliert, auf die noch nie ein menschlicher Spieler gekommen ist, die möglicherweise auch aus menschlicher Sicht absurd erscheinen mögen – die aber offensichtlich funktionieren. Und das ist ein weiterer Grund, warum der Kampf für Lee Sedol nun wahrscheinlich noch schwieriger wird, als seinerzeit bei den Mensch-Maschine-Matches beim Schach: Er kann nur sehen, was AlphaGo spielt, aber nicht, warum – damit entfällt die Chance, konzeptbedingte Schwächen zu identifizieren und gegebenenfalls gezielt auszunutzen.
Das heißt noch nicht, dass AlphaGo oder das algorithmische Konzept im menschlichen Sinne “intelligent” ist. Würde man ein neuronales Netzwerk mit Daten über Börsenkurse und Minirocklängen trainieren, dann käme mit ziemlicher Sicherheit eine Korrelation und ein Prognosemodell heraus. Vielleicht sogar eins, das besser funktioniert als Analysten-Analysen. Fehlende Kausalitäten, sprich Bullshit, können Menschen immer noch besser diagnostizieren als Maschinen. Aber es wird garantiert immer schwieriger, die Ergebnisse von “künstlicher Intelligenz” von denen menschlicher auseinanderzuhalten – das klassische Turing-Test-Szenario.
Irgendwann spielt es also keine Rolle mehr, ob die Algorithmen intelligent sind. Oder nur sehr perfektioniert so tun, als ob. 🙂
Maschine übernimmt letzte Bastion der Menschen · DRadio Wissen
DRadio Wissen – Schaum oder Haase vom 09.03.2016 (Moderation: Till Haase)
Deutschlandfunk – Forschung aktuell vom 09.03.2016 (Moderation: Uli Blumenthal)