Das Spiel AlphaGo gegen Lee Sedol, auch bekannt als DeepMind Challenge Match, war ein Go-Wettkampf über fünf Partien zwischen Lee Sedol, einem professionellen Go-Spieler der Spitzenklasse, und AlphaGo, einem von Google DeepMind entwickelten Computerprogramm. Das Turnier fand vom 9. bis 15. März 2016 in Seoul, Südkorea, statt. AlphaGo gewann vier der fünf Partien, wobei alle Spiele durch Aufgabe endeten. Das Ereignis gilt weithin als Meilenstein der künstlichen Intelligenz und wird oft mit dem Schachspiel von 1997 verglichen, bei dem IBMs Deep Blue den Weltmeister Garry Kasparow besiegte.
Das Spiel erregte weltweite Aufmerksamkeit, da Go lange als eine gewaltige Herausforderung für Computer galt. Der enorme Verzweigungsfaktor des Spiels sowie seine Abhängigkeit von Intuition und Mustererkennung machten es deutlich schwerer zu meistern als Schach. Vor AlphaGo erreichten die besten Go-Programme auf dem vollen 19x19-Brett nur das Amateur-Dan-Niveau, und viele Forscher glaubten, dass es noch ein Jahrzehnt dauern würde, bis ein Computer einen menschlichen Spitzenspieler schlagen könnte. AlphaGos Sieg zeigte, dass maschinelles Lernen und neuronale Netze traditionelle hartkodierte Ansätze in komplexen strategischen Bereichen übertreffen können.
Hintergrund
Go ist ein Brettspiel, das strategisches Denken, Kreativität und ein intuitives Gespür für Positionen erfordert. Seine Komplexität ergibt sich aus der enormen Anzahl möglicher Brettkonfigurationen, die eine Brute-Force-Suche unpraktikabel macht. Der Mathematiker I. J. Good schrieb 1965, dass es schwieriger wäre, einen Computer so zu programmieren, dass er gut Go spielt, als Schach, da die Prinzipien guter Strategie eher qualitativ und geheimnisvoll seien. Vor 2015 erreichten die stärksten Go-Programme nur das Amateur-Dan-Niveau, obwohl einige auf dem kleineren 9x9-Brett besser abschnitten. Forscher wie Jonathan Schaeffer äußerten Skepsis gegenüber kurzfristigen Fortschritten, und Elon Musk, ein früher Investor bei DeepMind, bemerkte 2016, dass Experten glaubten, KI sei etwa zehn Jahre davon entfernt, einen professionellen Spitzenspieler zu besiegen.
AlphaGo unterschied sich von früheren Ansätzen durch die Verwendung von Deep Learning und Bestärkendem Lernen. Seine neuronalen Netze wurden zunächst mit einer Datenbank von etwa 30 Millionen Zügen aus 160.000 Partien trainiert, die von starken Amateurspielern auf dem KGS-Go-Server gespielt wurden. Nach Erreichen einer gewissen Fertigkeit verbesserte sich AlphaGo, indem es Millionen von Partien gegen sich selbst spielte und dabei Bestärkendes Lernen zur Verfeinerung seiner Strategie nutzte. Das System verwendete auch Monte-Carlo-Baumsuche, um mögliche Züge zu bewerten. Anders als traditionelle Schachprogramme stützte sich AlphaGo nicht auf eine vorprogrammierte Datenbank von Zügen; seine Entscheidungen ergaben sich aus dem Trainingsprozess, den seine Entwickler selbst als unvorhersehbar beschrieben.
Vorheriger Sieg gegen Fan Hui
Im Oktober 2015 besiegte AlphaGo den Europameister Fan Hui, einen professionellen Spieler mit 2 Dan, mit 5:0. Dies war der erste Fall, in dem eine künstliche Intelligenz einen professionellen menschlichen Spieler auf einem vollgroßen Brett ohne Vorgabe besiegte. Allerdings merkten Kommentatoren an, dass Fan deutlich unter Lee Sedol, einem professionellen Spieler mit 9 Dan, eingestuft war. Frühere Computerprogramme wie Zen und Crazy Stone hatten Spitzenspieler nur mit großen Vorgaben geschlagen. Schaeffer, der nach dem Spiel gegen Fan Hui kommentierte, verglich AlphaGo mit einem Wunderkind ohne Erfahrung und sagte voraus, dass Lee das März-Spiel gewinnen würde. Fan Hui sagte später, dass die Erfahrung ihn gelehrt habe, das Spiel anders zu sehen, und seine Weltrangliste verbesserte sich von etwa Platz 633 auf ungefähr Platz 300 bis März 2016.
Vorbereitung
Go-Experten hatten Schwächen in AlphaGos Spiel gegen Fan identifiziert, insbesondere hinsichtlich seiner Wahrnehmung des gesamten Bretts. Es war unklar, wie sehr sich das Programm in den Monaten vor dem Lee-Spiel verbessert hatte. AlphaGos Training begann mit Partien von Internet-Go-Servern und umfasste dann zig Millionen Selbstspiel-Partien. Hajin Lee, eine professionelle Spielerin und Generalsekretärin der Internationalen Go-Föderation, äußerte sich aufgeregt über das Spiel und dachte, dass beide Spieler gleiche Gewinnchancen hätten.
Spieler
AlphaGo
AlphaGo wurde von Google DeepMind entwickelt, einem in London ansässigen KI-Forschungsunternehmen, das 2014 von Google übernommen wurde. Das Programm kombinierte maschinelles Lernen mit Baumsuchtechniken. Seine neuronalen Netze wurden zunächst darauf trainiert, menschliches Spiel anhand historischer Spielaufzeichnungen nachzuahmen, und dann durch Bestärkendes Lernen durch Selbstspiele verfeinert. Das System verwendete keine Zugdatenbank; stattdessen waren seine Züge eine emergente Eigenschaft der Trainingsalgorithmen. Im Spiel gegen Lee nutzte AlphaGo ungefähr dieselbe Rechenleistung wie im Spiel gegen Fan Hui, wobei Berichte von 1.202 CPUs und 176 GPUs oder bis zu 1.920 CPUs und 280 GPUs sprachen. Google gab auch an, dass während des Spiels proprietäre Tensor Processing Units verwendet wurden.
Lee Sedol
Lee Sedol war ein professioneller Go-Spieler mit 9 Dan, der weithin als einer der stärksten Spieler in der Geschichte des Spiels galt. Er begann seine Karriere 1996, wurde im Alter von 12 Jahren zum professionellen Dan befördert und hatte zum Zeitpunkt des Spiels 18 internationale Titel gewonnen. Lee war für seinen aggressiven und kreativen Stil bekannt, und seine Teilnahme verlieh dem Spiel erhebliches Prestige.
Spielzusammenfassung
Das Spiel fand über fünf Partien statt, wobei vom 9. bis 15. März 2016 täglich eine Partie gespielt wurde. AlphaGo gewann die Spiele eins, zwei, drei und fünf, während Lee Spiel vier gewann. Alle Spiele endeten mit der Aufgabe des Verlierers. Die ersten drei Spiele waren entscheidende Siege für AlphaGo, was viele Beobachter zu dem Schluss führte, dass das Programm ein Spielniveau erreicht hatte, das über menschliche Fähigkeiten hinausging. Lees Sieg im vierten Spiel wurde als menschlicher Triumph gefeiert und zeigte, dass AlphaGo nicht unbesiegbar war. Spiel fünf war umkämpft, aber AlphaGo setzte sich letztendlich durch.
Preis und Nachwirkungen
Der Gewinner sollte 1 Million Dollar erhalten. Da AlphaGo gewann, gab Google DeepMind bekannt, dass der Preis an wohltätige Organisationen gespendet würde, darunter UNICEF und Go-Organisationen. Lee erhielt 170.000 Dollar, bestehend aus 150.000 Dollar für die Teilnahme an allen fünf Spielen und zusätzlich 20.000 Dollar für den Sieg in einem Spiel. Nach dem Spiel verlieh die Korea Baduk Association AlphaGo einen Ehren-9-Dan-Rang, die höchste Großmeisterstufe im Go, in Anerkennung seiner "aufrichtigen Bemühungen", das Spiel zu meistern. Das Spiel wurde am 22. Dezember 2016 von der Zeitschrift Science als Zweitplatzierter für den Durchbruch des Jahres genannt.
Der Sieg hatte breitere Auswirkungen auf die Forschung zur künstlichen Intelligenz. Er zeigte, dass neuronale Netze und Bestärkendes Lernen Probleme bewältigen konnten, von denen zuvor angenommen wurde, dass sie menschliche Intuition erfordern. Die in AlphaGo verwendeten Techniken wurden seitdem auf andere Bereiche angewendet, darunter Proteinfaltung und wissenschaftliche Entdeckungen. Das Spiel förderte auch das Interesse an KI-Ethik und der Beziehung zwischen menschlicher und maschineller Intelligenz. Verwandte Forschung hat Bereiche wie Kognitionswissenschaft, Mustererkennung und maschinelles Lernen im weiteren Sinne beeinflusst.
Vermächtnis
Das Spiel AlphaGo gegen Lee Sedol wird oft als Wendepunkt in der öffentlichen Wahrnehmung von KI angeführt. Es zeigte, dass Maschinen bei Aufgaben, die strategisches Urteilsvermögen erfordern, hervorragende Leistungen erbringen können, nicht nur bei Rechengeschwindigkeit. Das Ereignis hob auch das Potenzial von Deep-Learning- und Neuronale-Netze-Architekturen hervor, die später grundlegend für Entwicklungen in generativer KI und großen Sprachmodellen wurden. Das Spiel bleibt ein Bezugspunkt in Diskussionen über die Fähigkeiten und Grenzen künstlicher Intelligenz.