Intelligente Computer schlagen bereits heute ihre menschlichen Gegner im Schach und beim Go-Spiel. Wie ist das eigentlich möglich? Und was kann selbst die beste KI nicht leisten? Ein Blick in die Entwicklungsgeschichte und spieltechnischen Fähigkeiten der künstlichen Intelligenz verrät uns einiges über die zukünftige Richtung der KI.
Spieltheorie mit KI
Informatiker beschäftigten sich schon immer mit Spielen und entwickeln seit jeher Programme, in denen die menschliche Intelligenz gegen die des Computers antritt. Dabei macht es einen großen Unterschied, ob ein Computerprogramm bei einem einfachen Strategiespiel wie „Drei gewinnt“ dem Menschen überlegen ist oder bei einem Spiel wie Schach einen Schachweltmeister schlagen kann. Die enorme Komplexität des Schachspiels erfordert eine hohe Intelligenz, und deshalb ist das Schreiben eines Schachspiels seit Anbeginn des Computerzeitalters der Heilige Gral von Programmierern.
IBM führt mit Deep Blue
Computer feierten ihren ersten Triumph, als 1996 der Supercomputer „Deep Blue“ von IBM gegen Garry Kasparov antrat. Dazu war nicht nur unglaublich viel Rechenleistung notwendig, sondern auch eine WAHNSINNIG große Datenmenge: IBM-Ingenieure analysierten die Daten von mehr als 700.000 Partien von Schachweltmeistern. Computerschach funktionierte damals als eine Art „Best of“-Partie der besten Schachspiele weltweit. Der Computer erzielte ein tolles Ergebnis, aber dazu mussten als Voraussetzung die besten Schachzüge aller Schachweltmeister gespeichert werden. Man kann dies als erste Big Data-Methode bezeichnen, bei der riesige Mengen an Daten gesammelt werden, um dann eine Entscheidung treffen zu können.
Google setzt beim Spiel auf generische Exzellenz
DeepMind, ein Unternehmen von Google, das sich auf KI spezialisiert hat, geht mit der jüngsten Entwicklung namens AlphaZero einen ganz anderen Weg. Der Algorithmus AlphaZero ist im Schach, im Brettspiel „Go“ und beim Shōgi (japanisches Schach) so leistungsfähig, dass alle Weltmeister haushoch geschlagen wurden.
Der Sieg über Großmeister ist jedoch nicht die eigentliche Leistung von AlphaZero. Die wichtigsten Merkmale dieser Algorithmussammlung sind die generische KI und das selbstständige Lernen mithilfe von Regeln. AlphaZero beginnt quasi bei null und ohne Vorwissen (mit Ausnahme der vorab festgelegten Spielregeln) und lernt nur durch Spielen. Der Computer spielt immer wieder gegen sich selbst und lernt aus diesen Erfahrungen. Dieses Konzept wird „Verstärkungslernen“ (Reinforcement Learning) genannt.
Darüber hinaus wurde AlphaZero als generische KI konzipiert – durch seine Fähigkeit, fortwährend neue Kategorien automatisch zu erlernen, kann diese KI leicht in vielen spezifischen Prozessen verwendet werden. Das erklärt auch, warum es so eine große Sache ist, dass dieser Rechner ohne zusätzliche Anpassungen bei allen drei Spielen brilliert. AlphaZero kann nicht für jede beliebige Aufgabe eingesetzt werden, aber man bekommt man eine Ahnung davon, dass Softwareentwickler eine künstliche Intelligenz entwickeln möchten, die für viele weitere Aktivitäten genutzt werden kann.
Sicherheit ist für Avira ein KI-Spiel
Die von Avira eingesetzte KI wird in der Regel „Angewandte KI“ oder „maschinelles Lernen“ genannt und ist eine Zwischenform der Beispiele von IBM und Google. Künstliche Intelligenz wird hauptsächlich in zwei Bereichen angewendet: zur Identifizierung von Bedrohungen sowie zur Überwachung des Verhaltens einzelner smarter Geräte.
Die dritte Generation der KI von Avira analysiert gewaltige Datenmengen, erkennt Muster und Anomalien und liefert eine viel schnellere Erkennung als herkömmliche Antiviren-Signaturen. Ähnlich wie IBM mit Deep Blue für das Schachspiel besitzt Avira eine riesige Datenbank mit Malware-Beispielen, mit denen durch maschinelles Lernen die KI-getriebenen Erkennungs-Engines entwickelt werden.
Das neue Sicherheitsprodukt SafeThings greift auf künstliche Intelligenz zurück, um smarte Geräte zu kategorisieren, Muster für die Datennutzung zu erlernen und Anomalien zu erkennen. Und es kommt noch besser: Mit KI werden dank dieser Informationen die richtigen Maßnahmen getroffen, um das Gerät zu sichern, ohne dass der Nutzer selbst eingreifen muss. Dieser Typ des maschinellen Lernens der KI benötigt weit weniger Datenmengen.
Festgelegte Spielregeln sind Bedingung
Spielregeln sind sowohl für Schach als auch für die Malware-Erkennung immer die Grundlage. Einige Regeln sind einfach, andere hingegen komplex. Für den Springer im Schach gelten ganz andere Spielzüge als beispielsweise für den König. Ähnlich strenge Regeln gelten auch für die Erkennung von Malware, damit False positive-Meldungen vermieden werden. AlphaZero benötigte zwar nur 24 Stunden zum Lernen, um die drei komplexen Brettspiele zu beherrschen. Die Voraussetzung für diese beeindruckende Leistung waren jedoch festgelegte Spielregeln.
Dennoch kann die beste KI niemals etwas aus dem Nichts, dem „creatio ex nihilo“, erschaffen. Sie kann keine Regeln neu erstellen oder ändern, um das Spiel spannender zu machen. So eine künstliche Intelligenz würde dann „innovative KI“ heißen, mit der Schachbrett und Spielfiguren neue Wege gingen.
Google zeigt uns, dass KI erfolgreich auf viele verschiedene Alltagsaktivitäten angewendet werden kann. Aber es ist immer noch der Mensch, der das erste – und letzte – Wort über die Spielregeln hat.
