1. Foren
  2. Kommentare
  3. Wissenschaft
  4. Alle Kommentare zum Artikel
  5. › Künstliche Intelligenz: Alpha Go…

Alpha Go vs. Alpha Go

Helft uns, die neuen Foren besser zu machen! Unsere kleine Umfrage dauert nur wenige Sekunden!
  1. Thema

Neues Thema Ansicht wechseln


  1. Alpha Go vs. Alpha Go

    Autor: johnsonmonsen 12.03.16 - 18:54

    Hallo zusammen,

    als nächstes wäre interessant, Alpha Go gegen sich selbst antreten zu lassen. Die Partien könnte man dann mit den menschlichen vergleichen.

    Wären die Siege bei mehreren Spielen gleichwertig verteilt, oder würde sich eine der Gos evtl. schneller verbessern als sein Gegner? Die Hardware müsste natürlich ebenbürtig sein.

    Viele Grüße :-)!

  2. Re: Alpha Go vs. Alpha Go

    Autor: xxsblack 12.03.16 - 19:07

    So wie ich das verstanden habe, AlphaGo spielt schon die ganze Zeit gegen sich selbst, um sich zu verbessern. Wenn müsste also erst eine zweite AlphaGo her.

    Irgendwie kann ich mir den Ausgang des Matches aber nicht so richtig vorstellen. Ein Gewinner kann es da ja irgendwie nicht geben, da beide ja absolut die gleichen Chancen hätten oder bedenke ich da etwas nicht mit?

  3. Re: Alpha Go vs. Alpha Go

    Autor: Kleine Schildkröte 12.03.16 - 20:24

    xxsblack schrieb:
    --------------------------------------------------------------------------------
    > So wie ich das verstanden habe, AlphaGo spielt schon die ganze Zeit gegen
    > sich selbst, um sich zu verbessern. Wenn müsste also erst eine zweite
    > AlphaGo her.
    >
    > Irgendwie kann ich mir den Ausgang des Matches aber nicht so richtig
    > vorstellen. Ein Gewinner kann es da ja irgendwie nicht geben, da beide ja
    > absolut die gleichen Chancen hätten oder bedenke ich da etwas nicht mit?

    So wie ich es verstanden habe, ist die idee zwei identische Systeme aufzusetzen, diese alle paar Tage/wochen gegeneinander antreten zu lassen und ansonsten trainieren sie.

    Er ist sicherlich daran interessiert, zu sehen wie sich die Instanzen unabhängig voneinander entwickeln.

    Wäre mal lustig mit 10 bis 20 solcher Systeme eine Liga zu machen und allen die selben Resourcen einzuräumen und zu schauen ob sie spieltechnisch sich useinanderentwickeln.

  4. Re: Alpha Go vs. Alpha Go

    Autor: xxsblack 12.03.16 - 21:06

    ^
    Ja diese Idee habe ich schon verstanden.
    Das Problem was ich nur sehe (wie ich bisher diese Neuronalen Netzwerke verstanden habe), sie sind in der Lage alle Möglichkeiten zu berechnen, vorauszuplanen und auch zu nutzen. Somit wäre nach meiner Logik ein AlphaGo vs. AlphaGo ein Spiel bis zur letzten Möglichkeit.

    Sie bekommen ja am Anfang den Input vieler Profispiele und erweitern dort die Möglichkeiten. Also müsste man entweder mindestens eine Partie im Input auslassen, damit der Lernprozess einen anderen Weg geht oder aber generell, eine andere Spielliga nehmen, aber sie lernen dadurch ja dennoch selbst. Vielleicht denke ich da aber auch nur zu weit und irgendwie falsch.

  5. Re: Alpha Go vs. Alpha Go

    Autor: RedRanger 12.03.16 - 22:45

    Es geht wohl darum, dass die am Anfang mit den gleichen Partien gefüttert wurden, ab dann aber selbständig lernen.

    Nun wäre interessant zu wissen, ob zwei komplett identische Systeme, dann auch die gleichen Schlüsse ziehen und das Gleiche lernen oder ob sie sich tatsächlich auseinander entwickeln. Sprich, ob sie eine Art "Persönlichkeit" haben. Zumindest auf ihren Spielstil bezogen.

  6. Re: Alpha Go vs. Alpha Go

    Autor: Makatu 12.03.16 - 23:11

    xxsblack schrieb:
    --------------------------------------------------------------------------------
    > Irgendwie kann ich mir den Ausgang des Matches aber nicht so richtig
    > vorstellen. Ein Gewinner kann es da ja irgendwie nicht geben, da beide ja
    > absolut die gleichen Chancen hätten oder bedenke ich da etwas nicht mit?

    Es scheint bei Go (bei gleich guten Gegnern) schon ein relativ großer Vorteil darin zu bestehen, das Eröffnungsrecht zu haben. Von daher sind die Chancen wohl nicht gleichverteilt. Außerdem kommen durch die Monte-Carlo-Methode gewisse Zufallsaspekte ins Spiel.

  7. Re: Alpha Go vs. Alpha Go

    Autor: xxsblack 12.03.16 - 23:36

    Makatu schrieb:
    --------------------------------------------------------------------------------
    > ...Außerdem kommen durch die
    > Monte-Carlo-Methode gewisse Zufallsaspekte ins Spiel.

    Ich kenne die Monte-Carlo-Methode nicht und google gerade danach...ist das der M.-C.Algorithmus oder die Simulation oder sollte ich lieber direkt im Englischen nach der Method schauen?


    Edit: Frage, letzter Absatz



    1 mal bearbeitet, zuletzt am 12.03.16 23:44 durch xxsblack.

  8. Re: Alpha Go vs. Alpha Go

    Autor: johnsonmonsen 12.03.16 - 23:57

    Hallo xxsblack!

    >Das Problem was ich nur sehe (wie ich bisher diese Neuronalen Netzwerke verstanden habe), sie sind in der Lage alle Möglichkeiten zu berechnen, vorauszuplanen und auch zu nutzen.

    Das wäre ja nur der Fall, wenn "Go" zu den gelösten Spielen gehören würde. Es ist aber noch nicht einmal schwach gelöst (lediglich die 5x5 Variante ist gelöst). Selbst Schach, weit weniger komplex, ist mit der momentanen Rechen- und Speicherpower noch nicht lösbar. Das macht das Ganze ja so interessant, weil nicht alles berechenbar ist. Da liegen Größenordungen dazwischen, die ich mir noch nicht einmal so richtig vorstellen kann. Alleine deshalb zählte das Go-Spiel noch zu dem Herrschaftsgebiet der menschlichen Spieler. Da lief viel über "Gespür", "Intuition" und Erfahrung. Bis Alpha Go kam ;-)!

    Artikel zu den gelösten Spielen: bit.ly/1RGvPpi
    Vergleich der Spiele-Komplexität: bit.ly/1QPpPy3

    Es ist bemerkenswert, dass selbst die Komplexitätsklasse machner Spiele nur vermutet wird.

    Natürlich müssten die KIs alle voneinander getrennt sein, also keine KI, die gegen sich selbst spielt und auf den selben Speicher zugreifen kann.

    Viele Grüße :-)!

    Edit: Links



    1 mal bearbeitet, zuletzt am 13.03.16 00:02 durch johnsonmonsen.

  9. Re: Alpha Go vs. Alpha Go

    Autor: powa 13.03.16 - 06:13

    RedRanger schrieb:
    --------------------------------------------------------------------------------
    > Es geht wohl darum, dass die am Anfang mit den gleichen Partien gefüttert
    > wurden, ab dann aber selbständig lernen.
    >
    > Nun wäre interessant zu wissen, ob zwei komplett identische Systeme, dann
    > auch die gleichen Schlüsse ziehen und das Gleiche lernen oder ob sie sich
    > tatsächlich auseinander entwickeln. Sprich, ob sie eine Art
    > "Persönlichkeit" haben. Zumindest auf ihren Spielstil bezogen.

    Wenn ich dieses Systeme richtig verstehe, dann sind das eine Art evolutionäre Algorythmen. Durch das ständige gegen sich selbst spielen verbessert sich ein solches System dann in Richtung perfekte Lösung. Wenn es im GO die eine perfekte Spielweise gibt, dann dürften sich unterschiedliche Systeme irgendwann auch angleichen. Gibt es mehrere unterschiedliche Spielweisen, dann können auch unterschiedliche Spielstile entstehen, da sich die Systeme zufällig eine der Spielweisen aneignen.

  10. Gewaltiger Unterschied!

    Autor: johnsonmonsen 13.03.16 - 18:54

    Hallo powa!

    >Wenn es im GO die eine perfekte Spielweise gibt, dann dürften sich unterschiedliche Systeme irgendwann auch angleichen.

    Ich möchte hier auf einen gewaltigen Unterschied aufmerksam machen. Noch ausführlicher, als in meinem letzten Post. Ein perfektes Spiel zu spielen hat zunächst nichts mit einer KI zu tun. Sobald eine praktikable formale Lösung für ein Spiel vorliegt (siehe weiter unten), kann sie einfach abgerufen werden, so als würde man in einer - sehr langen - Liste nach dem optimalen Zug nachschlagen. Entscheiden wird hier zu schlichtem abrufen eines Listenplatzes. Der Reiz an der KI liegt gerade an der Unvollständigkeit ihrer Ressourcen, so wie sie auch der Mensch hat. Sie muss taktieren und Entscheidungen treffen. Schach und vor allem Go sind deshalb so interessant, da ihre gewaltige Komplexität ein kühles Durchrechnen, selbst für die besten Supercomputer, unmöglich macht. Nachdem Schach schon lange sehr gut vom Computer beherrscht wird (siehe verlinkten Artikel), war Go eine der letzten Domänen der menschlichen Spieler, in denen sie (ab einem gewissen Level) jedem Computer überlegen waren. Bis jetzt! Die KI hier zu trainieren bietet sich an. Aber letzten Endes geht es nicht darum ein Spiel zu spielen, sondern die Grundlagen für automatisiertes Entscheiden zu treffen. Das lassen auch viele Leute außer Acht. Im "Real-Life" ist immer eine Unsicherheit dabei, die man nicht berechnen kann. Sonst bräuchte es, wie gesagt, keine KI.

    Ein mathematisch perfektes Spiel kann erst dann gespielt werden, wenn das Spiel gelöst wurde. Um Go zu lösen bedarf es einer Rechenpower und eines Speicherplatzes, welche momentan nicht verfügbar sind. Selbst die besten Supercomputer schaffen dies nicht ansatzweise (noch nicht einmal bei Schach). Allerdings bräuchte es dazu überhaupt keine KI, sondern nur stures Gerechne, welche den Entscheidungsbaum komplett durchgeht und katalogisiert. Go ist ja ebenfalls ein Spiel mit sog. perfekter Information. Zur Einordnung: die Komplexitätsklasse von Go ist EXPSPACE, siehe mein voriger Beitrag. Go ist sogar EXPSPACE-vollständig (bit.ly/1LkGx8a).

    Die KI "Alpha Go" ist daher stark limitiert und auf Eigenschaften angewiesen, wie sie der Mensch besitzt: "Gespür", "Mut", "Erfahrung", "Intuition" etc. Auch Alpha Go muss auf begrenzte Ressourcen zugreifen und hat für seine Züge nur begrenzt Zeit. Diese Beschränktheit ist auch dem Menschen eigen. Darin steckt die Magie der KI: Auch ihr ist das "perfekte Spiel" verborgen, so wie dem Menschen.

    Klar, ab dem Zeitpunkt einer (starken Lösung) macht das Spielen keinen Sinn mehr. Um diese durchzuboxen brauch es dann aber lustigerweise überhaupt keine KI mehr. Nur einen riesigen Entscheidungskatalog und einen verdammt schnellen Speicherzugriff ;-)!

    Die "sehr schwache Lösung" bietet die Möglichkeit, ausgehend von der Startposition, den schlechtesten Ausgang vorherzusagen, denn man erzwingen kann.

    "Schwach gelost" beutet, dass ein klarer Spielweg (Algorithmus) existiert, welcher in Abhängigkeit von der Startposition die optimale Spielweise wiedergibt. Dieser Algorithmus muss praktisch ausgeführt werden können, also z.B. innerhalb der normalen Spielzeit durchgerechnet.

    Bei der "Starken Lösung" bringt ein im Realfall anwendbarer Algorithmus die Möglichkeit, unabhängig von der eigenen Position (im laufenden Spiel), den optimalen (bestmöglichen) nächsten Zug zu wählen.

    Ab dem Zeitpunkt genügender Rechenleistung, wird der Minimax-Algorithmus bei allen "endlichen Zwei-Spieler-Nullsummenspielen mit perfekter Information" die starke Lösung bedingen, da hier einfach der Entscheidungsbaum aufgefächert wird. Dann wird auch dieses Vorgehen praktisch anwendbar.

    Interessanter Artikel zu Schach:
    http://blog.zeit.de/schach/computer-schach-entzauberung/

    Ich möchte aber nochmal extra darauf hinweisen, dass die Kunst von "Alpha Go" darin besteht, Entscheidungen zu treffen. Entscheidungen auf unsicherem, mathematisch nicht exakt berechenbaren, Gebiet. Leider wird das oft vergessen und KI mit einem schlichten Durchrechnen verwechselt.

    Viele Grüße :-)!

    Edit: Links



    1 mal bearbeitet, zuletzt am 13.03.16 18:59 durch johnsonmonsen.

  1. Thema

Neues Thema Ansicht wechseln


Um zu kommentieren, loggen Sie sich bitte ein oder registrieren Sie sich. Sie müssen ausserdem in Ihrem Account-Profil unter Forum einen Nutzernamen vergeben haben. Zum Login

Stellenmarkt
  1. Haufe Group, Hannover, Freiburg
  2. Deutsche Bundesbank, Frankfurt am Main
  3. über Hays AG, Dortmund
  4. Hays AG, Thüringen

Golem pur
  • Golem.de ohne Werbung nutzen

Anzeige
Spiele-Angebote
  1. für PC, PS4/PS5, Xbox und Switch
  2. 3,33€
  3. 25,99€


Haben wir etwas übersehen?

E-Mail an news@golem.de


Programm für IT-Jobeinstieg: Hoffen auf den Klebeeffekt
Programm für IT-Jobeinstieg
Hoffen auf den Klebeeffekt

Aktuell ist der Jobeinstieg für junge Ingenieure und Informatiker schwer. Um ihnen zu helfen, hat das Land Baden-Württemberg eine interessante Idee: Es macht sich selbst zur Zeitarbeitsfirma.
Ein Bericht von Peter Ilg

  1. Arbeitszeit Das Sechs-Stunden-Experiment bei Sipgate
  2. Neuorientierung im IT-Job Endlich mal machen!
  3. IT-Unternehmen Die richtige Software für ein Projekt finden

Weclapp-CTO Ertan Özdil: Wir dürfen nicht in Schönheit und Perfektion untergehen!
Weclapp-CTO Ertan Özdil
"Wir dürfen nicht in Schönheit und Perfektion untergehen!"

Der CTO von Weclapp träumt von smarter Software, die menschliches Eingreifen in der nächsten ERP-Generation reduziert. Deutschen Perfektionismus hält Ertan Özdil aber für gefährlich.
Ein Interview von Maja Hoock


    Fiat 500 als E-Auto im Test: Kleinstwagen mit großem Potenzial
    Fiat 500 als E-Auto im Test
    Kleinstwagen mit großem Potenzial

    Fiat hat einen neuen 500er entwickelt. Der Kleine fährt elektrisch - und zwar richtig gut.
    Ein Test von Peter Ilg

    1. Vierradlenkung Elektrischer GMC Hummer SUV fährt im Krabbengang seitwärts
    2. MG Cyberster MG B Roadster mit Lasergürtel und Union Jack
    3. Elektroauto E-Auto-Prämie übersteigt in 2021 schon Vorjahressumme