Deepmind: Algorithmus der Google-Tochter lernt selbständig Breakout zu spielen

 

Anfang des vergangenen Jahres hat Google das StartUp Deepmind übernommen, das sich auf die Entwicklung von künstlichen Intelligenzen, selbstlernenden Algorithmen und ähnlichen Dingen konzentriert hat. Danach drang nicht mehr viel von dem Team nach Außen, es arbeitete weiterhin im stillen Kämmerlein und dürfte vor allem an der Verbesserung der Algorithmen getüftelt haben. Ein jetzt veröffentlichtes Video zeigt sehr eindrucksvoll, wie die künstliche Intelligenz ganz von selbst gelernt hat den Atari-Klassiker Breakout zu spielen.

Von dem Thema künstlicher Intelligenz dürfte jeder Mensch eine andere Vorstellung haben, je nachdem wie man diese definiert. Mag eine Maschine auch noch so intelligent wirken, ist es am Ende doch nur ein Ablauf von Programmschritten die dem System vorher von einem Menschen vorgegeben worden sind. Deepmind möchte allerdings einen anderen Ansatz gehen, und tatsächlich ein System entwickeln dass sich selbst trainiert. Ob das dann eine KI ist oder nicht sei dann mal dahin gestellt, folgendes Video zeigt aber die aktuelle Entwicklung:

Der Software wurde einfach der Atari-Klassiker Breakout vorgesetzt, ohne die Regeln des Spiels einzuprogrammieren bzw. Tipps mit auf den Weg zu geben. Während die ersten Spiele mehr als schlecht laufen, lernt das System im Laufe der Zeit und verbessert die eigenen Fähigkeiten immer weiter. Nach mehr als 600 Spielen hat der Algorithmus dann eine Strategie entwickelt, die den Ball einfach nach oben über das Feld befördert und so ohne große Anstrengung viele Punkte bringt.

Auch wenn es sich um ein sehr simples Spiel handelt, können daraus sehr viele Erkenntnisse gewonnen werden. Wenn eines Tages tatsächlich Roboter aus dem Hause Google bei uns Einzug halten sollten, müssen diese natürlich ebenfalls über eine solche Intelligenz verfügen und Lernfähig sein. 600 Anläufe sind vielleicht etwas viel, aber der Grundstein für den selbstlernenden Algorithmus ist damit schon einmal gelegt.

Taken together, our work illustrates the power of harnessing state-of-the-art machine learning techniques with biologically inspired mechanisms to create agents that are capable of learning to master a diverse array of challenging tasks

Der Algorithmus soll in Zukunft ähnliche Fähigkeiten wie ein Mensch oder Tier entwickeln. Auch wir müssen schließlich hunderte Anläufe nehmen, bis wir unseren ersten Schritt getan haben – und auch dann braucht es noch viele viele Anläufe bis das ganze einigermaßen stabil funktioniert. Wenn der Mensch zwei Jahre für das Erlernen des ersten vollständigen Satzes brauchen darf, warum dann nicht auch eine Maschine? Spannende Entwicklung.

[The Verge]

---

---