Anstatt zu üben, beherrschte diese KI Schach, indem sie darüber las

Ein Schachbrett. Unsplash

Schachfans lieben nichts mehr, als über ein meisterhaftes Opfer zu diskutieren Bobby Fischer oder eine ausgeklügelte Angriffslinie des aktuellen Weltmeisters Magnus Carlson . Es stellt sich heraus, dass dieses Geschwätz KI-Programmen helfen könnte, das Spiel auf eine neue Art und Weise zu lernen. Die gleiche Technik könnte es eines Tages Maschinen ermöglichen, den emotionalen Inhalt unserer Sprache zu nutzen, um verschiedene praktische Aufgaben zu meistern.

Der Schachalgorithmus, genannt FeelMATE , wurde von den Forschern Nicholas McCarthy, Isaac Kamlish und Isaac Bentata Chocron am University College London entwickelt. Es bewertet die Qualität von Schachzügen, indem es die Reaktion von Expertenkommentatoren analysiert.

Das Team analysierte den Text von 2.700 Schachspielkommentaren, die online verfügbar sind. Sie kürzten Kommentare, die sich nicht auf qualitativ hochwertige Züge bezogen, und Beispiele, die zu mehrdeutig waren. Dann verwendeten sie eine spezielle Art von rekurrenten neuronalen Netzen und Wörterinbettungen (eine mathematische Technik, die Wörter auf der Grundlage ihrer Bedeutung verbindet), die auf einem anderen hochmodernen Modell zur Analyse von Sprache trainiert wurden.

KI hat in letzter Zeit erhebliche Fortschritte beim Parsen von Sprache gemacht. Beispielsweise hat sich ein von Forschern des Forschungsunternehmens OpenAI in San Francisco entwickelter Algorithmus als in der Lage erwiesen, aus wenigen Worten ganze Nachrichtenmeldungen zu generieren.

Der nächste Schritt bei der Weiterentwicklung der Verarbeitung natürlicher Sprache besteht darin, diese erlernten Informationen in konkrete Aktionen umzuwandeln, um bei der Lösung realer Aufgaben zu helfen, sagten die Forscher in einer E-Mail an MIT Technology Review. Wir waren der Meinung, dass die Lernstrategie aus textbasierten Daten ein sehr wichtiger Forschungsweg sein könnte, den es zu erforschen gilt.

SentiMATE überraschte die Forscher mit seiner Fähigkeit, einige der Grundprinzipien des Schachspiels sowie mehrere Schlüsselstrategien wie Gabelung (wenn zwei oder mehr Figuren gleichzeitig bedroht sind) und Rochade (wenn König und Burg auf ein Mehr ziehen) herauszuarbeiten Verteidigungsposition auf der Rückseite des Bretts).

Es war kaum ein KI-Großmeister: Es gelang ihm nicht, einige herkömmliche Schachbots konsequent zu schlagen. Aber das Programm demonstriert das Versprechen, Sprache zu verwenden, um herauszufinden, wie man das Spiel gut spielt, mit weniger Übungsdaten und weniger Computerleistung, als herkömmliche Ansätze erfordern.

Schach ist seit langem ein Maßstab für den Fortschritt in der maschinellen Intelligenz, von Alan Turings Programm für das Spielen des Spiels von 1951 (auf Papier geschrieben) bis zu Garry Kasparovs Niederlage gegen IBMs Deep Blue.

Vor kurzem demonstrierte die Alphabet-Tochter DeepMind eine Schachvariante von AlphaGo, dem Programm, das in der Lage ist, sich selbst beizubringen, das alte chinesische Brettspiel Go zu spielen. Dieses Programm, bekannt als AlphaNull , erhielt die Spielregeln und verfeinerte dann seine Fähigkeiten, indem er gegen andere Versionen seiner selbst spielte. Weil es sich selbst beigebracht hat, hat AlphaZero einige ungewöhnliche und überraschende Strategien entwickelt. Aber wie Deep Blue benötigte AlphaZero Tausende von Googles spezialisierten Tensor Processing Unit (TPU)-Chips sowie die Daten von Millionen von Übungsspielen.

Die Forscher sagen, dass die von SentiMATE verwendeten Lerntechniken viele andere praktische Anwendungen als Schach haben könnten. Beispielsweise könnten sie Maschinen dabei helfen, Sportarten zu analysieren, Finanzaktivitäten vorherzusagen und bessere Empfehlungen zu geben. Es gibt eine Fülle von Büchern, Blogs und Artikeln, die alle darauf warten, von ihnen gelernt zu werden, betont das Team.

verbergen